Inżynier ML wdrożył model analizy sentymentu do punktu końcowego SageMaker i musi dostarczyć interesariuszom wyjaśnienia, w jaki sposób model dokonuje przewidywań. Które rozwiązanie wygeneruje wyjaśnienia dla wyników modelu?

SageMaker Clarify to usługa zaprojektowana do wykrywania potencjalnych uprzedzeń w danych i modelach, a także do generowania wyjaśnień dla przewidywań modelu. Umożliwia zrozumienie, które cechy wejściowe najbardziej wpływają na decyzje modelu, co jest kluczowe dla wyjaśniania wyników interesariuszom. SageMaker Model Monitor służy do monitorowania dryfu danych i jakości modelu w czasie, a nie do generowania wyjaśnień pojedynczych przewidywań. Pokazywanie rozkładu wyników wnioskowania z testów A/B w CloudWatch dostarcza metryk wydajności, ale nie wyjaśnia, dlaczego model podjął konkretne decyzje. Tworzenie shadow endpoint i porównywanie różnic w przewidywaniach również nie dostarcza wyjaśnień dotyczących wewnętrznego działania modelu, a jedynie porównuje jego zachowanie.