Признаки в обучении и проде расходятся: воспроизводим ошибку на тестовом наборе
Модель проходит офлайн-тесты, но ошибается в продакшене из-за расхождения входных признаков. На примере Python разбираем, как выявить Training–Serving Skew, восстановить данные на момент прогноза и автоматизировать проверку перед релизом.
Разобрать пример
Отрывок из ленты источникаЧитать у источника: Habr
