HealthData Labs は、臨床リスクモデルの機能アトリビューション (SHAP 値) のドリフトを追跡したいと考えています。彼らはすでにトレーニングセットの SHAP 値を計算し、それらを s3://healthdata-baselines/shap/ に保存しています。本番エンドポイントは、入力とモデル出力を s3://healthdata-capture/ にキャプチャします。SageMaker モニタリングを使用して、時間の経過とともに SHAP 分布の変化を検出するには、どのアプローチが適切ですか？

このアプローチは、SageMaker Model Monitor の機能アトリビューション監視機能を直接利用します。まず、SageMaker Clarify を使用してトレーニングデータのベースライン SHAP 値を計算し、S3 に保存します。次に、本番エンドポイントのデータキャプチャを有効にし、SageMaker Model Explainability MonitoringSchedule を設定します。これにより、キャプチャされた本番データに対して Clarify が SHAP 値を計算し、それらをベースラインと比較してドリフトを検出できます。これは、SHAP 値のドリフトを追跡するための SageMaker の推奨かつ最も直接的な方法です。 他の選択肢は不適切です。組み込み SHAP エクスポートフラグは存在しません。CloudWatch メトリクスアラームは、モデルコンテナが SHAP 値を直接メトリクスとして出力しない限り機能しません。Athena クエリは SHAP 値を近似するものであり、正確なドリフト検出には不十分です。