ある金融機関が住宅ローン審査モデルを開発しています。トレーニングを開始する前に、学習データに性別・年齢などの保護属性に関するバイアスが含まれていないかを定量的に確認したいと考えています。この目的に最も適したAWSのサービスと機能はどれですか？
Amazon SageMaker Clarifyはトレーニング前バイアス分析をサポートしており、学習データに含まれる保護属性のバイアスをCI（クラス不均衡）やDPL（ラベル差異比）などの指標で定量化できます。モデル学習前に偏りを発見・修正するのが最も効果的です。 選択肢A の Amazon Rekognition の顔分析機能を使って学習データの人口統計パターンを検出することは画像認識用途であり、住宅ローン審査データには適しません。 選択肢C の Amazon SageMaker Model Monitor でデータ品質のベースラインと現在のデータを比較することは本番環境での継続監視であり、トレーニング前のバイアス分析には不向きです。 選択肢D の Amazon Comprehend で申込者プロファイルのテキストを感情分析してバイアスを検出することはテキスト分析に用途が限定されます。