返回
从迟到事件与错误修正出发,拆解特征回填的时间边界、版本血缘和原子发布;用极小例子与 Python 构造可审计的历史特征。
机器学习系统学习系列
机器学习
mlops
特征工程
把一次历史预测冻结成可重放的输入,在离线变换与在线服务间逐列比对特征、版本和输出,定位训练—服务偏差。
用事件时间、可用时间和点时正确连接阻止未来信息泄漏;手算一行训练样本,并设计可监控的特征新鲜度边界。