AWS Glue DataBrew에서 훈련 데이터가 min-max 스케일링으로 정규화되었습니다. 프로덕션 추론 데이터는 모델로 전송되기 전에 정확히 동일한 방식으로 정규화되어야 합니다. 어떤 접근 방식이 이 요구 사항을 충족합니까?

훈련 데이터에서 계산된 min-max 정규화 파라미터를 유지하고 동일한 값을 사용하여 프로덕션 샘플을 정규화해야 합니다. 이는 모델이 훈련된 데이터의 분포와 일관성을 유지하여 예측 성능을 보장하기 위함입니다. 프로덕션 데이터에 새로운 정규화 통계를 적용하면 훈련 데이터와 프로덕션 데이터 간의 분포 불일치가 발생하여 모델 성능이 저하될 수 있습니다. 일반적으로 사용되는 공개 데이터 세트의 통계는 훈련 데이터의 특성과 다를 수 있으며, 각 개별 샘플에 대해 통계를 계산하는 것은 비효율적이고 일관성을 해칩니다.