一家医疗公司将运行数百次训练迭代，其中包含许多特征、算法和超参数，并且必须记录每次运行的特征和结果。哪种解决方案能够以最少的实施工作量提供此跟踪？

SageMaker Experiments 专为跟踪机器学习实验而设计，可以自动捕获每次运行的输入参数、输出指标、特征和模型工件，并提供可视化界面进行比较和分析，这正是医疗公司场景所需的功能，且实施工作量最小。SageMaker Model Registry 主要用于管理模型版本和部署，而非实验跟踪。Amazon S3 和 AWS Glue/Athena 组合可以存储和查询数据，但需要手动构建跟踪逻辑，实施工作量较大。Amazon CloudWatch 适用于监控指标，但无法全面跟踪实验的特征和结果。