Een bedrijf implementeert een SageMaker-model dat onderwerpen in socialmediapostingen detecteert. Ze moeten laten zien hoe individuele invoerfeatures de voorspellingen van het model beïnvloeden. Welke SageMaker-mogelijkheid biedt uitleg op feature-niveau voor modelgedrag?

SageMaker Clarify is de juiste keuze omdat het functionaliteit biedt voor het uitleggen van modellen, inclusief feature-attributie. Het kan de invloed van individuele invoerfeatures op modelvoorspellingen kwantificeren, wat essentieel is voor het begrijpen van modelgedrag op feature-niveau. Dit is precies wat het bedrijf nodig heeft om te laten zien hoe specifieke woorden of zinsdelen in socialmediapostingen de onderwerpdetectie beïnvloeden. SageMaker Canvas is een no-code/low-code interface voor het bouwen van modellen en biedt geen gedetailleerde modeluitleg op feature-niveau. SageMaker Feature Store is een opslagplaats voor het opslaan, delen en beheren van features voor machine learning, niet voor modeluitleg. SageMaker Ground Truth is een tool voor het labelen van datasets, wat voorafgaat aan modeltraining en geen functionaliteit biedt voor het uitleggen van getrainde modellen.