生产型机器学习系统：何时转换数据？

原始数据必须经过特征工程处理（转换）。何时应转换数据？一般来说，您可以在以下任一时间段执行特征工程：

• 在训练模型之前。
• 在训练模型时。

在训练前转换数据

在此方法中，您需要执行以下两个步骤：

1. 编写代码或使用专用工具来转换原始数据。
2. 将转换后的数据存储在模型可以提取的位置，例如磁盘上。

优势

• 系统仅转换一次原始数据。
• 系统可以分析整个数据集，以确定最佳转换策略。

缺点

• 您必须在预测时重新创建转换。请注意训练-应用偏差！

当系统执行动态（在线）推理时，训练-服务偏差更危险。在使用动态推理的系统中，转换原始数据集的软件通常不同于提供预测的软件，这可能会导致训练-应用偏差。相比之下，使用静态（离线）推理的系统有时可以使用相同的软件。

在训练期间转换数据

在此方法中，转换是模型代码的一部分。该模型会提取原始数据并对其进行转换。

优势

• 即使您更改了转换，也可以继续使用相同的原始数据文件。
• 这样可确保在训练和预测时进行相同的转换。

缺点

• 复杂的转换可能会增加模型延迟时间。
• 系统会对每个批次执行转换。

转换每批数据可能很棘手。例如，假设您想使用Z 分数归一化来转换原始数值数据。使用 z 分数归一化需要特征的平均值和标准差。不过，每批转换意味着您只能访问一批数据，而不能访问整个数据集。因此，如果批次差异很大，那么一个批次中 Z 得分为 -2.5 与另一个批次中 Z 得分为 -2.5 的含义并不相同。作为一种权宜解决方法，您的系统可以预先计算整个数据集的平均值和标准差，然后将它们用作模型中的常量。

关键术语：

• 训练-服务偏差
• z 分数标准化

帮助中心