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。
この解説の引用について
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「特徴量ストア (Feature Store)とは」 https://aipicks.jp/glossary/feature-store
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。
