I dati di training sono stati normalizzati con la scalatura min-max in AWS Glue DataBrew. I dati di inferenza di produzione devono essere normalizzati esattamente nello stesso modo prima di essere inviati al modello. Quale approccio soddisfa questo requisito?

La normalizzazione min-max trasforma i dati in un intervallo specifico (spesso 0-1) utilizzando i valori minimi e massimi osservati nel dataset. Per garantire che il modello riceva dati di inferenza nella stessa scala dei dati di training, è fondamentale utilizzare gli stessi parametri di normalizzazione (minimo e massimo) calcolati dal dataset di training originale. Applicare statistiche da un dataset pubblico non garantisce la coerenza con la normalizzazione del training. Calcolare nuovi parametri da un batch di produzione o per ogni singolo campione introdurrebbe una normalizzazione incoerente, alterando la distribuzione dei dati rispetto a quella su cui il modello è stato addestrato, portando a prestazioni imprevedibili o errate.