Trainingsdaten wurden mit Min-Max-Skalierung in AWS Glue DataBrew normalisiert. Produktions-Inferenzdaten müssen auf exakt die gleiche Weise normalisiert werden, bevor sie an das Modell gesendet werden. Welcher Ansatz erfüllt diese Anforderung?

Die Beibehaltung der aus den Trainingsdaten berechneten Min-Max-Normalisierungsparameter und deren Anwendung auf Produktionsdaten ist entscheidend, um Konsistenz zu gewährleisten. Das Modell wurde mit Daten trainiert, die auf einen bestimmten Bereich skaliert wurden. Um korrekte Inferenzen zu ermöglichen, müssen die Produktionsdaten mit denselben Skalierungsfaktoren transformiert werden. Die Verwendung von Normalisierungsstatistiken aus einem öffentlichen Datensatz ist ungenau, da diese nicht die spezifischen Eigenschaften der Trainingsdaten widerspiegeln. Das Neuberechnen des Min-Max-Bereichs aus Produktionsstichproben oder für jede einzelne Stichprobe führt zu einem Data Leakage oder einer Inkonsistenz, da sich die Skalierung ständig ändern würde und das Modell mit unterschiedlichen Skalierungen konfrontiert wäre als während des Trainings.