特徴量ストア (Feature Store)
読み: とくちょうりょうすとあ
最終更新: 2026-07-29・AI PICKS編集部
定義
特徴量ストアとは、機械学習で使う特徴量（モデルへの入力データ）を一元管理し、学習時と推論時で同じ値を一貫して提供するための基盤のこと。
特徴量ストア (Feature Store)とは — 詳しく解説
特徴量ストア（Feature Store）とは、機械学習の学習と推論の双方で使う特徴量を一元管理し、学習用のオフラインストアと推論用の低レイテンシなオンラインストアを同期させる基盤のこと。目的は学習時と推論時で計算ロジックがずれる「トレーニング・サービングスキュー」の防止で、Feast（OSS）、Tecton、AWS SageMaker Feature Store、Google Vertex AI Feature Store などが代表的な実装として広く採用されているとされる。2026年の実運用での落とし穴は、オンラインストアの低レイテンシ要求からRedis等の基盤を別途運用する必要があり、モデル数やQPSが増えるとコストが線形以上に膨らみやすい点。相場感は、小規模チームはFeastのOSSセルフホストで抑え、マネージドサービスは学習・推論両方に課金が乗り見通しが立てにくいとされる。現場での選び方は複数モデル・複数チームで特徴量を再利用する規模かどうかが分岐点で、単一モデルなら導入せず素朴なバッチ処理で十分なケースも多い。
特徴量ストア (Feature Store)の使用例
- Feastでオフラインストアをコマンド一つでオンラインストアへマテリアライズし、推論APIから低レイテンシで参照する構成が代表的な使い方とされる。
- レコメンドモデルでは「直近7日間の購入回数」のような特徴量をFeature Storeで一元管理し、学習と推論で同じ値を参照させる運用が典型例だ。
特徴量ストア (Feature Store)に関連するAIツール
関連用語
「インフラ・学習」の他の用語
既存の AI モデルを 自社データで追加学習させて 専門特化させる方法。
データから法則を自動学習させる AI 技術の総称。 ディープラーニングや LLM もここに含まれる。
ニューラルネットワークを多層化した機械学習手法。 LLM / 画像認識 / 音声認識 の基盤技術。
Self-Attention 機構を中核とするニューラルネット構造。 LLM / 画像 / 音声 すべての基盤。
入力系列のどこに注目すべきかを 動的に重み付けする仕組み。 Transformer の中核。
LoRAとは、大規模モデルの重みを凍結したまま低ランク行列ペアを追加挿入することで、全パラメータの1%以下の計算コストで特定ドメインへの適応を実現するファインチューニング手法のこと。
AI用語辞典をすべて見てみませんか
12カテゴリ・1163語以上を体系的に整理しています
辞典トップへ