teradataml.store.feature_store.feature_store.FeatureStore.mind_map = mind_map(self, feature_process=None)

DESCRIPTION:
    Returns a visual mind map of the FeatureStore, showing data sources,
    feature processes, feature catalog, and dataset catalog, with dependencies
    illustrated by curves.
    Note:
        Works only in Jupyter Notebook or similar environments that support HTML rendering.
 
PARAMETERS:
    feature_process:
        Optional Argument.
        Specifies the feature process to filter the mind map. When specified,
        only the feature process and its related data sources, features, and datasets
        is displayed.
        Notes:
             * mind_map() display only the features which are associated with the
               feature process for the datasets also. For example, if Dataset is associated
               with Feature1, Feature2 and Feature1 is ingested by FeatureProcess1 and
               Feature2 is ingested by FeatureProcess2, then mind_map() displays the
               Dataset with Feature1 only if "feature_process" is set to FeatureProcess1.
             * If "feature_process" is not specified, then mind_map() displays all the
               feature processes, data sources, features, and datasets in the FeatureStore.
        Types: str OR list of str
 
RETURNS:
    None (displays HTML visualization)
 
RAISES:
    TypeError
 
EXAMPLES:
    # Example 1: Display the mind map of the FeatureStore with all feature processes.
    >>> from teradataml import DataFrame, FeatureStore
    >>> load_example_data("dataframe", "sales")
    # Create DataFrame.
    >>> sales_df = DataFrame("sales")
    >>> admissions_df = DataFrame("admissions")
 
    # Create a FeatureStore for the repo 'vfs_v1'.
    >>> fs = FeatureStore("vfs_v1", data_domain='Analytics')
    FeatureStore is ready to use.
 
    # Create a feature process to ingest sales df.
    >>> fp1 = fs.get_feature_process(object=df,
    ...                              features=['Jan', 'Feb', 'Mar', 'Apr'],
    ...                              entity='accounts')
    >>> fp1.run()
    Process '7b9f76d6-562c-11f0-bb98-c934b24a960f' started.
    Process '7b9f76d6-562c-11f0-bb98-c934b24a960f' completed.
    True
 
    # Create a feature process to ingest admissions df.
    >>> fp2 = fs.get_feature_process(object=admissions_df,
    ...                              features=[ 'masters', 'gpa', 'stats', 'programming', 'admitted'],
    ...                              entity='id')
    >>> fp2.run()
    Process 'a5de0230-6b8e-11f0-ae70-f020ffe7fe09' started.
    Process 'a5de0230-6b8e-11f0-ae70-f020ffe7fe09' completed.
 
    # Example 1: Display the mind map of the FeatureStore.
    >>> fs.mind_map()
 
    # Example 2: Display the mind map of the FeatureStore for the sales feature process.
    >>> fs.mind_map(feature_process=fp1.process_id)
 
    # Example 3: Display the mind map of the FeatureStore for admissions features.
    >>> fs.mind_map(feature_process=fp2.process_id)
 
    # Example 4: Display the mind map of the FeatureStore for both sales and admissions feature
    #            processes.
    >>> fs.mind_map(feature_process=[fp1.process_id, fp2.process_id])