HealthData Labs 希望追蹤臨床風險模型中特徵歸因 (SHAP 值) 的漂移。他們已經計算了訓練集的 SHAP 值，並將其儲存在 s3://healthdata-baselines/shap/ 中。生產端點會擷取輸入和模型輸出到 s3://healthdata-capture/。哪種方法可以讓他們使用 SageMaker 監控來偵測 SHAP 分佈隨時間的變化？

正確答案描述了使用 SageMaker Model Monitor 偵測 SHAP 值漂移的標準且推薦方法。它涉及使用 SageMaker Clarify 計算訓練資料的基準 SHAP 值並儲存，然後在生產環境中啟用資料擷取。接著，建立一個 Model Explainability MonitoringSchedule，該排程會定期計算擷取請求的 SHAP 值（同樣透過 Clarify 處理），並將這些歸因分佈與預先定義的基準進行比較，以偵測漂移。 其他選項不正確的原因如下： 在 EndpointConfig 中啟用內建 SHAP 匯出標誌並不存在於 SageMaker 中。 依賴模型容器發出的 FeatureImportance 指標進行 CloudWatch 警報，無法直接監控 SHAP 值的分佈漂移，因為這通常是模型本身的輸出，而非歸因解釋。 執行每日 Athena 查詢來計算近似 SHAP 並推送到 CloudWatch 指標是一種手動且間接的方法，不如 SageMaker Model Monitor 提供的整合式解釋性監控功能有效和自動化。