在新数据上重新训练模型

要让模型预测得更准确，进行预测所用的数据必须具有与训练模型所用的数据相似的分布。由于预期数据分布会随着时间发生偏差，所以部署模型并不是一次性的练习，而是连续过程。一种很好的做法是，连续监视传入数据，在发现数据分布与原始训练数据分布有显著偏差时使用较新的数据重新训练模型。如果监控数据以检测数据分布更改的开销太大，一种更简单的策略是定期训练模型，例如，每天、每周或每月。要在 Amazon ML 中重新训练模型，您需要根据新的训练数据创建新模型。