一家公司使用 Amazon SageMaker Model Monitor 检测到数据漂移超出了配置的阈值，并希望防止对模型预测造成损害。他们应该采取哪种措施？

当 Amazon SageMaker Model Monitor 检测到数据漂移超出阈值时，这意味着模型的输入数据分布已经发生变化，模型可能不再能准确地进行预测。在这种情况下，最有效的措施是使用新的、代表当前数据分布的数据集重新训练模型。 重新训练模型可以使其适应新的数据模式，从而恢复或提高预测准确性，防止对业务造成损害。 其他选项为什么不正确： 重启 SageMaker AI 端点：这不会解决底层的数据漂移问题，模型仍然会使用旧的、不再准确的逻辑进行预测。 调整监控灵敏度：这只会改变何时触发警报，而不会解决数据漂移本身带来的模型性能下降问题。 设置实验跟踪：实验跟踪用于记录模型训练过程中的参数和指标，虽然对模型迭代和管理很重要，但它本身不能解决已发生的数据漂移问题。