ML-инженер развернул модель анализа тональности на конечной точке SageMaker и должен предоставить заинтересованным сторонам объяснения того, как модель делает прогнозы. Какое решение позволит получить объяснения для выходных данных модели?

SageMaker Clarify предназначен для объяснения моделей машинного обучения, включая анализ важности признаков и объяснения отдельных прогнозов (например, с помощью SHAP). Это позволяет заинтересованным сторонам понять, как модель пришла к своим выводам. SageMaker Model Monitor отслеживает дрейф данных и смещение модели, но не предоставляет объяснений прогнозов. A/B-тестирование сравнивает производительность различных версий модели, а не объясняет внутреннюю логику прогнозов. Теневая конечная точка используется для тестирования новых версий модели в реальных условиях без влияния на производственный трафик, а не для объяснения прогнозов.