トレーニングデータは、AWS Glue DataBrewで最小-最大スケーリングを使用して正規化されました。本番推論データは、モデルに送信される前に、まったく同じ方法で正規化する必要があります。この要件を満たすアプローチはどれですか？

正解は、トレーニングデータから計算された最小-最大正規化パラメータを保持し、それらの同じ値を使用して本番サンプルを正規化することです。モデルのトレーニングに使用されたのと同じ変換を推論データに適用することで、トレーニング時と推論時のデータ分布の一貫性を保ち、モデルの予測性能を維持できます。 一般的に使用される公開データセットからの正規化統計を本番サンプルに適用することは、トレーニングデータに固有の分布を考慮しないため、適切ではありません。本番サンプルのバッチから新しい最小-最大範囲を計算したり、個々の本番サンプルごとに最小-最大統計を個別に計算したりすると、トレーニング時にモデルが学習したスケールと異なるスケールが適用され、モデルのパフォーマンスが低下する可能性があります。