Eğitim verileri AWS Glue DataBrew'da min-max ölçeklendirme ile normalize edildi. Üretim çıkarım verileri modele gönderilmeden önce tamamen aynı şekilde normalize edilmelidir. Bu gereksinimi hangi yaklaşım karşılar?

Doğru cevap, eğitim verilerinden hesaplanan min-max normalleştirme parametrelerini korumak ve üretim örneklerini normalleştirmek için aynı değerleri kullanmaktır. Bir modelin eğitim ve çıkarım aşamalarında tutarlı bir şekilde davranmasını sağlamak için, eğitim sırasında uygulanan tüm ön işleme adımlarının (normalleştirme dahil) çıkarım sırasında da aynı parametrelerle uygulanması kritik öneme sahiptir. Aksi takdirde, model eğitimde gördüğü veri dağılımından farklı bir dağılım göreceği için performans düşüşleri yaşanabilir. Diğer seçenekler yanlıştır çünkü: Yaygın olarak kullanılan herkese açık bir veri kümesinden istatistikler kullanmak, modelin eğitildiği veri kümesinin özelliklerini yansıtmayabilir. Bir grup üretim örneğinden yeni bir min-max aralığı hesaplamak veya her bir üretim örneği için ayrı ayrı istatistikler hesaplamak, eğitim verileriyle tutarsızlığa yol açar ve veri sızıntısı (data leakage) riskini artırabilir.