小売企業がSageMakerリアルタイムエンドポイントで需要予測モデルを運用しています。季節変動により入力特徴量の統計的分布が訓練データから乖離しているかどうかをリアルタイムで検出したいですが、実際の需要実績データ（グラ

Question

小売企業がSageMakerリアルタイムエンドポイントで需要予測モデルを運用しています。季節変動により入力特徴量の統計的分布が訓練データから乖離しているかどうかをリアルタイムで検出したいですが、実際の需要実績データ（グラウンドトゥルース）は数週間後でないと収集できません。グラウンドトゥルースなしで入力特徴量の分布変化を自動検出する最も適切な方法はどれですか。

Accepted Answer

正解: SageMaker Model Monitor のデータ品質モニタリングでベースライン統計量を生成し、スケジュール実行で入力特徴量の分布変化を検出してSNSアラートを設定する。データ品質モニタリングは入力特徴量の統計量（平均・分散・欠損率等）をベースラインと比較し、グラウンドトゥルース不要で分布変化を自動検出する。SNSアラートとの連携も標準サポート。

Answer

SageMaker Model Monitor のモデル品質モニタリングを構成し、予測出力と実績値の乖離をスケジュール実行で継続的に検出してSNSアラートを送信する — SageMaker Model Monitor のモデル品質モニタリングは予測値と実際の需要実績（グラウンドトゥルース）の照合が必須で、数週間後にしか収集できない状況では即時検出できない。

Answer

SageMaker Clarify のバイアスドリフトモニタリングを構成し、特定の保護属性グループ間での予測分布の変化を検出してCloudWatch Alarmsと連携する — SageMaker Clarify のバイアスドリフトモニタリングは保護属性に対する公平性指標の変化を検出するものであり、一般的な入力特徴量の統計分布変化の監視が主目的ではない。

Answer

SageMaker Model Monitor の特徴量アトリビューションドリフトモニタリングでSHAP値の変化をトラッキングし、モデルの説明可能性の低下を予測精度低下の前兆として検出する — SageMaker Model Monitor の特徴量アトリビューションドリフトモニタリングはSHAP値の変化を監視するものであり、入力特徴量の統計分布変化を直接検出する用途とは異なる。

解説