HealthData Labs는 임상 위험 모델의 특성 기여(SHAP 값) 드리프트를 추적하고자 합니다. 그들은 이미 훈련 세트 SHAP 값을 계산하여 s3://healthdata-baselines/shap/에 저장했습니다. 프로덕션 엔드포인트는 입력 및 모델 출력을 s3://healthdata-capture/에 캡처합니다. SageMaker 모니터링을 사용하여 시간 경과에 따른 SHAP 분포의 변화를 감지할 수 있는 접근 방식은 무엇입니까?

정답은 SageMaker Clarify Explainability를 사용하여 기준 SHAP 값을 설정하고 프로덕션에서 Model Explainability MonitoringSchedule을 생성하여 드리프트를 감지하는 것입니다. 이 방법은 SageMaker가 모델 설명 가능성 드리프트를 모니터링하기 위해 설계한 표준 접근 방식입니다. Clarify는 SHAP 값을 계산하고, 모니터링 스케줄은 프로덕션 데이터에 대해 SHAP를 주기적으로 계산하여 기준과 비교합니다. 오답인 '내장 SHAP export 플래그'는 존재하지 않습니다. SageMaker는 SHAP 값을 자동으로 내보내지 않습니다. 'CloudWatch 지표 알람'은 모델 컨테이너에서 FeatureImportance 지표를 내보내도록 직접 구성하지 않는 한 SHAP 드리프트를 직접 모니터링하지 않습니다. 'Athena 쿼리'는 SHAP 값을 계산하고 비교하는 데 사용할 수 있지만, 이는 수동적인 접근 방식이며 SageMaker Model Monitor가 제공하는 자동화된 드리프트 감지 기능을 활용하지 않습니다.