一家公司使用 Amazon SageMaker Model Monitor 偵測到資料漂移超出設定的閾值，並希望防止模型預測受到損害。他們應該採取哪種行動？

當 SageMaker Model Monitor 偵測到資料漂移超出閾值時，表示模型的輸入資料分佈已發生顯著變化，導致模型效能可能下降。重新訓練模型是解決資料漂移最有效的方法，因為它讓模型能夠學習新的資料分佈，從而恢復或提高預測準確性。 重新啟動 SageMaker AI 端點並不能解決底層的資料漂移問題，只會暫時中斷服務。調整監控靈敏度可能導致漏報或誤報，但無法解決模型本身的問題。設定實驗追蹤有助於管理和比較模型訓練，但它本身並非解決資料漂移的直接行動。