Firma wdraża model SageMaker, który wykrywa tematy we wpisach w mediach społecznościowych. Muszą pokazać, jak poszczególne cechy wejściowe wpływają na przewidywania modelu. Która funkcja SageMaker zapewnia wyjaśnienia zachowania modelu na poziomie cech?

SageMaker Clarify jest poprawną odpowiedzią, ponieważ zapewnia obserwowalność modelu, w tym wyjaśnienia. Umożliwia zrozumienie, w jaki sposób poszczególne cechy wejściowe wpływają na przewidywania modelu, co jest kluczowe w scenariuszu wykrywania tematów w mediach społecznościowych. Clarify oferuje techniki takie jak SHAP (SHapley Additive exPlanations) do generowania wyjaśnień na poziomie cech, co pomaga zrozumieć zachowanie modelu. SageMaker Canvas to narzędzie do tworzenia modeli uczenia maszynowego bez kodowania, nie służy do wyjaśniania modeli. SageMaker Feature Store to scentralizowane repozytorium do przechowywania i udostępniania cech, a nie do wyjaśniania działania modelu. SageMaker Ground Truth służy do tworzenia wysokiej jakości zbiorów danych szkoleniowych poprzez etykietowanie danych, a nie do analizy wpływu cech na predykcje modelu.