训练数据已使用 AWS Glue DataBrew 中的 min-max 缩放进行归一化。生产推理数据在发送到模型之前必须以完全相同的方式进行归一化。哪种方法满足此要求？

为了确保模型在生产环境中表现一致，推理数据必须使用与训练数据完全相同的转换方式进行归一化。这意味着在训练数据上计算出的 min-max 归一化参数（即最小值和最大值）必须被保留下来，并在生产推理数据上重复使用。如果在生产环境中重新计算归一化参数，或者对每个样本单独计算，会导致数据分布与训练时不同，从而降低模型的性能和准确性。将常用公共数据集的统计数据应用于生产样本也是不正确的，因为这可能与训练数据的特定分布不匹配。