Een SageMaker pipeline die Model Monitor bevat, rapporteert baseline_drift_check overtredingen in de MonitoringExecution output, waardoor de pipeline mislukt. Wat is de juiste actie om deze drift overtredingen aan te pakken?

Wanneer Model Monitor baselinedriftcheck overtredingen rapporteert, betekent dit dat de data-distributie van de inkomende inferentiegegevens significant is afgeweken van de data die is gebruikt om de baseline te creëren. De juiste actie is om het model opnieuw te trainen met bijgewerkte trainingsdata die de huidige data-distributie beter weerspiegelt. Vervolgens moet een nieuwe baseline worden gegenereerd en gebruikt in Model Monitor, gebaseerd op deze nieuwe trainingsdata. Dit zorgt ervoor dat de driftcontroles relevant blijven voor het bijgewerkte model en de huidige operationele data. De andere opties zijn onjuist omdat: Alleen opnieuw trainen zonder een nieuwe baseline aan te maken, zal de driftproblemen niet oplossen, omdat de oude baseline nog steeds wordt vergeleken met de nieuwe data. Het blijven gebruiken van de originele baseline na hertraining met nieuwe data is contraproductief; de baseline moet de data weerspiegelen waarop het huidige model is getraind. Het inschakelen van de emitmetrics vlag verandert niets aan de driftdetectie zelf; het beïnvloedt alleen het genereren van metrische gegevens.