一般来说，您可以通过以下两种方式之一来训练模型：
表 1. 主要优缺点。
| 静态训练 | 动态训练 | |
|---|---|---|
| 优点 | 更简单。您只需开发和测试一次模型即可。 | 适应性更强。您的模型将跟上 特征与标签之间的关系的变化。 |
| 缺点 | 有时则是风格鲜明。如果特征与 标签会随时间的推移而发生变化，则模型的预测结果会降低。 | 工作量更大。您必须构建、测试和发布新产品 始终保持开启状态 |
如果您的数据集确实不会随时间变化，请选择静态训练，因为 相较于动态训练，它的创建和维护成本更低。但是，数据集 往往会随着时间的推移而发生变化，即便是那些您认为 例如海平面要点总结：即使是静态图片， 训练时，仍然必须监控输入数据的变化。
例如，假设一个模型经过训练， 会买花的。由于时间压力，该模型仅训练一次 使用 7 月和 8 月买花行为数据集进行预测。 模型可以正常使用几个月，但之后的预测很糟糕 情人节前后，因为 用户行为在鲜花盛开期间发生巨大变化。
如需详细了解静态和动态训练，请参阅 管理机器学习项目 课程。
练习：检查您的掌握程度
以下关于以下哪两项表述是正确的？
静态（离线）训练？
模型会在有新数据到达时进行更新。
实际上，如果离线训练，模型就无法
并在新数据到达时纳入其中。这可能会导致模型
如果您要从中学习的分布
会随着时间推移而发生变化
您可以先验证模型，然后再将其应用到生产中。
是的，离线训练提供了充分的机会来验证模型
然后再将模型引入生产环境。
离线训练需要较少的训练作业监控
相比在线训练。
一般来说，训练时的监控要求比较适中
用于离线训练，这样可以避免
注意事项。不过，您训练模型的频率越高，
您在监控方面投入的资金就越高。您
还需要定期进行验证，以确保
（及其依赖项）不会对模型质量产生不利影响。
几乎不需要监控输入数据，
推理时间。
与直觉相反，您确实需要在投放时监控输入数据
。如果输入分布发生变化，那么模型的
预测可能变得不可靠。例如，一个模型
我们仅使用夏季服装数据进行训练，该数据突然被用于
预测冬季的服装购买行为。
下列哪项说法是正确的？
动态（在线）训练？
模型会在有新数据到达时进行更新。
这是在线培训的主要优势：则可以避免
允许模型使用新数据进行训练，
。
几乎不需要对训练作业进行监控。
实际上，您必须持续监控训练作业，
健康状况良好，运行正常。您还需要
支持基础设施，例如回滚模型的能力
以防训练出现问题，
例如有缺陷的作业或输入数据损坏。
几乎不需要监控输入数据，
推理时间。
与静态的离线模型一样，
监控动态更新模型的输入。您
不太可能受到较大的季节性影响，
对输入数据进行大幅更改（例如，将上游数据源
仍然可能导致预测不可靠。