한 은행에서 저금리 신용 프로모션 대상 고객을 결정하기 위해 SageMaker에 XGBoost 분류기를 배포했습니다. 모델의 정확도는 허용 가능하지만, 팀은 특정 고객이 거부된 이유를 설명해야 합니다. 고객별 설명을 생성하는 데 가장 운영 효율적인 방법은 무엇입니까?

SageMaker Clarify는 모델 설명 가능성을 위한 관리형 서비스를 제공합니다. SHAP(SHapley Additive exPlanations) 값을 계산하여 개별 예측에 대한 특성 기여도를 시각화할 수 있으므로, 특정 고객이 거부된 이유를 효율적으로 설명하는 데 가장 적합합니다. SageMaker 노트북에서 plotimportance()는 전반적인 특성 중요도를 보여주지만 개별 예측에 대한 설명은 제공하지 않습니다. SageMaker Debugger는 훈련 중 모델 동작을 분석하지만, 모델 설명 가능성 자체를 위한 것은 아닙니다. SageMaker Model Monitor는 모델 성능 드리프트 감지에 중점을 두며, SHAP 값 계산 기능은 제공하지 않습니다.