再現性是指在這個模型產生出來以後，由不同的開發者或利益相關者，重新創建相同 ML 模型的能力。這其中牽涉到同時減少過程中涉及的隨機性。透過重現來驗證端到端的開發過程，並提供用於最終會上線版本的模型必經過程，以滿足監管要求。講得更誇張一點就是，“讓一個不懂ML的工程師來跑這些程式碼，也要能獲得一樣的結果。”

在前面的系統監管，我們已經提過要讓系統經得起第三方的審查，所有資料的重現都是重要的。

＊圖片來源：MLOPS: TRACKING AND APPROVING MODELS

顯示了進階的模型沿襲(model lineage)，包括以下步驟來審核模型的預測。

首先我們需要知道在推理過程中使用了什麼程式碼：

• 生成的每個物件(像是整理過的資料、模型)都需要一個版本號
• 每個預測都需要使用該版本號紀錄

對於版本化的物件或模型，您需要從創建它的訓練中了解以下內容：

• 用於訓練的超參數和設置
• 程式碼在Git管理中的位置及其修訂版
• 演算法、框架和任何其他依賴的版本號
• 資料集需要進行版本控制並存儲在允許檢索的地方。可以使用 SageMaker Feature Store、Dynamo DB 或 S3儲存。
• 批准過程可以是自動的或手動的，提供對模型是否獲得批准以及誰批准的清晰審計

資料集本身：

• 數據來源
• 處理資料的程式碼，例如處理缺失數據