金融サービス企業が、MLモデルを使用して融資の決定を自動化したいと考えています。各レコードには、サードパーティの信用履歴と顧客の人口統計が含まれています。すべての予測には、申請者が承認または拒否された理由を示す説明を含める必要があります。Amazon SageMakerを使用して、最小限の開発作業でこの機能を提供するソリューションはどれですか？

SageMaker Clarifyは、モデルのバイアスを検出し、予測の解釈可能性を提供するように設計されています。このケースでは、融資決定の理由を説明する必要があるため、Clarifyの機能が直接的にこの要件を満たします。最小限の開発作業で、特徴量の重要度などの説明レポートを生成し、予測結果に添付できます。 SageMaker Model Debuggerは、モデルのトレーニング中にデバッグ情報を提供しますが、予測の解釈可能性レポートを生成するものではありません。AWS Lambdaで特徴量の重要度や部分依存プロットを計算することは可能ですが、これは開発作業を伴い、Clarifyのような統合されたソリューションではありません。カスタムのAmazon CloudWatchメトリクスは、モデルのパフォーマンスを監視するためのものであり、予測の解釈可能性レポートを生成する機能はありません。