HealthData Labs vuole tenere traccia del drift nelle attribuzioni delle feature (valori SHAP) per un modello di rischio clinico. Hanno già calcolato i valori SHAP del training set e li hanno archiviati in s3://healthdata-baselines/shap/. L'endpoint di produzione acquisisce input e output del modello in s3://healthdata-capture/. Quale approccio consentirà loro di utilizzare il monitoraggio di SageMaker per rilevare i cambiamenti nelle distribuzioni SHAP nel tempo?

L'opzione corretta descrive il flusso di lavoro standard per il monitoraggio del drift dell'interpretabilità (SHAP) con SageMaker Model Monitor. Si inizia calcolando una baseline SHAP sui dati di training usando SageMaker Clarify, si abilita la cattura dei dati per l'endpoint di produzione e poi si configura uno MonitoringSchedule di Model Explainability. Questo schedule calcolerà periodicamente i valori SHAP sui dati di inferenza catturati (utilizzando Clarify) e li confronterà con la baseline per rilevare il drift. L'opzione di abilitare un flag di esportazione SHAP integrato non esiste. I container di modello non emettono metriche FeatureImportance direttamente a CloudWatch in un formato utilizzabile per il monitoraggio del drift SHAP. Eseguire query Athena per calcolare SHAP approssimativo e inviare metriche personalizzate è un approccio manuale e non sfrutta le capacità integrate di SageMaker Model Monitor per l'interpretabilità.