金融機関が SageMaker でローン審査モデルをトレーニングした。本番リリース前に、特定の人口統計グループ（性別・年齢帯）に対するモデルの偏り（バイアス）を定量的に評価し、さらに個々の予測にどの入力特徴量が最も寄与し

Question

金融機関が SageMaker でローン審査モデルをトレーニングした。本番リリース前に、特定の人口統計グループ（性別・年齢帯）に対するモデルの偏り（バイアス）を定量的に評価し、さらに個々の予測にどの入力特徴量が最も寄与しているかを説明できるようにしたい。SageMaker で両方の要件を満たす最適なサービスはどれか。

Accepted Answer

正解: SageMaker Clarify で前処理・後処理バイアス指標を算出し、SHAP 値で各特徴量の予測貢献度を定量化する。SageMaker Clarify は学習前後のバイアス指標（DPL・CDD 等）と SHAP 値による特徴量説明の両方を単一サービスで提供する。

Answer

SageMaker Debugger を使い、トレーニング中の勾配・重みテンソルを監視して公平性に影響する学習パターンを検出する — SageMaker Debugger はトレーニング中のテンソル値デバッグに特化しており、人口統計グループ別バイアス指標の算出には対応していない。

Answer

SageMaker Model Monitor でエンドポイントの入力・予測分布を継続的にモニタリングし、人口統計グループ間の分布差異をドリフトとして自動検出する — SageMaker Model Monitor は本番エンドポイントのデータ・モデル品質ドリフト検出向けで、静的バイアス評価や特徴量説明には使用しない。

Answer

SageMaker Experiments で複数バージョンのモデルを比較し、グループ別の精度差が最小なモデルを選択する — SageMaker Experiments は実験メトリクスの比較ツールであり、バイアス指標の計算や特徴量貢献度の定量化機能は持たない。

解説