Una empresa implementa un modelo de SageMaker que detecta temas en publicaciones de redes sociales. Necesitan mostrar cómo las características de entrada individuales afectan las predicciones del modelo. ¿Qué capacidad de SageMaker proporciona explicaciones a nivel de característica para el comportamiento del modelo?

SageMaker Clarify es la herramienta correcta porque está diseñada específicamente para proporcionar explicaciones de modelos a nivel de característica, ayudando a entender cómo las entradas individuales influyen en las predicciones. Esto es crucial para la interpretabilidad del modelo, especialmente en casos como la detección de temas. SageMaker Canvas es una interfaz visual para construir modelos sin código, no para la interpretabilidad. SageMaker Feature Store es un repositorio para almacenar y gestionar características de ML, no para explicar el comportamiento del modelo. SageMaker Ground Truth se utiliza para etiquetar conjuntos de datos, no para analizar las predicciones del modelo.