一個使用 Amazon SageMaker 部署的 ML 模型使用了 Model Monitor。更新模型後，ML 工程師在 Model Monitor 檢查中發現資料品質問題。工程師應該採取什麼行動來解決 Model Monitor 標記的資料品質問題？

當 Model Monitor 標記資料品質問題時，這表示輸入資料的統計特性與模型訓練時的資料基準存在顯著差異。調整模型參數或增加訓練樣本（選項一和四）並不能直接解決資料品質漂移的問題，因為問題出在輸入資料本身，而非模型訓練不足。手動啟動監控任務（選項二）僅能重新執行檢查，但不會更新監控的基準。最根本的解決方案是從最新的生產資料集生成一個新的基準（baseline），並更新 Model Monitor 的配置，使其使用這個新的基準進行檢查。這樣，Model Monitor 就能根據當前實際的資料分佈來評估資料品質，從而準確識別新的資料漂移。