金融機関が融資審査モデルをSageMakerでトレーニングしました。規制当局のコンプライアンス要件を満たすため、デプロイ前に①個々の予測に対してどの特徴量が最も寄与しているかを説明できること、 ②訓練データに特定の人口統計グループへのバイアスが含まれていないことを確認する必要があります。これら両方の要件を最も効率的に満たすAWSサービスはどれですか？
SageMaker Clarifyは、モデルの説明可能性とバイアス検出を一つのサービスで提供します。SHAP値を用いて各特徴量が個々の予測に与える影響を定量化でき、事前トレーニングバイアス分析ではClass Imbalance（クラス不均衡）やDPL（Difference in Positive Label Rate：正例ラベル率の差）などの指標を算出できます。 選択肢BのSageMaker Debuggerでトレーニング中のテンソルをキャプチャする方法では、特徴量重要度の算出とバイアス分析を一つのサービスで実施できません。 選択肢CのSageMaker Model Monitorはデプロイ後の継続監視が主用途であり、デプロイ前の要件には適していません。 選択肢DのSageMaker Experimentsで異なる特徴量セットを比較する方法では、バイアス検出の自動化ができません。