HealthData Labs 希望跟踪临床风险模型中特征归因（SHAP 值）的漂移。他们已经计算了训练集 SHAP 值并将其存储在 s3://healthdata-baselines/shap/ 中。生产端点将输入和模型输出捕获到 s3://healthdata-capture/ 中。哪种方法可以让他们使用 SageMaker 监控来检测 SHAP 分布随时间的变化？

此方法是检测 SHAP 值漂移的正确途径。SageMaker Clarify 专门用于计算特征归因（例如 SHAP 值），并允许您在训练数据上建立基线。通过启用数据捕获，SageMaker 可以收集生产推理请求和模型输出。然后，Model Explainability MonitoringSchedule 会定期运行，利用 Clarify 重新计算捕获数据的 SHAP 值，并将其与存储的基线进行比较，从而有效检测归因分布随时间的变化。 其他选项不正确： SageMaker 没有内置的 SHAP 导出标志来自动标注捕获的请求，Model Monitor 也无法在没有明确配置的情况下进行 SHAP 比较。 CloudWatch 指标警报可以监控模型容器发出的指标，但不会自动提供 SHAP 值的漂移检测，即使容器使用 SHAP 构建，也需要额外的逻辑来解释这些指标。 每日 Athena 查询计算近似 SHAP 值并与训练文件进行比较是一种手动且间接的方法，不如 SageMaker Clarify 和 Model Monitor 提供的集成解决方案高效和准确。