새 데이터에 대한 모델 재학습

모델이 정확하게 예측하기 위해서는 예측을 수행하는 데이터가 모델을 학습시킨 데이터와 유사한 분포를 가져야 합니다. 데이터 분포는 시간이 지나면서 이동할 수 있으므로, 모델 배포는 일회성 작업이 아니라 연속적인 프로세스입니다. 수신 데이터를 지속적으로 모니터링하고 데이터 분포가 기존의 학습 데이터 분포에서 크게 벗어난 경우 새로운 데이터로 모델을 재학습시키는 것이 좋습니다. 데이터 분포의 변화를 감지하기 위한 모니터링 데이터가 높은 오버헤드를 갖는 경우, 더 단순한 전략은 모델을 주기적으로(매일, 매주 또는 매월) 학습시키는 것입니다. Amazon ML에서 모델을 다시 학습시키려면 새 학습 데이터를 기반으로 새로운 모델을 생성해야 합니다.