Uma empresa implanta um modelo SageMaker que detecta tópicos em postagens de mídias sociais. Eles precisam mostrar como as características de entrada individuais afetam as previsões do modelo. Qual capacidade do SageMaker fornece explicações em nível de característica para o comportamento do modelo?

SageMaker Clarify é a ferramenta correta porque oferece recursos de explicabilidade de modelo, permitindo entender como as características de entrada individuais influenciam as previsões. Ele pode gerar explicações em nível de característica usando métodos como SHAP (SHapley Additive exPlanations), o que é essencial para modelos de detecção de tópicos onde a compreensão da contribuição de cada palavra ou frase é crucial. SageMaker Canvas é uma interface visual para construir modelos de ML sem código, não focada em explicabilidade. SageMaker Feature Store é um repositório centralizado para armazenar e compartilhar características de ML, não fornecendo explicações de modelo. SageMaker Ground Truth é um serviço de rotulagem de dados para criar conjuntos de dados de treinamento de alta qualidade, não relacionado à explicabilidade do modelo.