金融機関のデータサイエンティストチームが住宅ローン審査モデルをAmazon SageMakerで構築しています。コンプライアンス要件として、モデルをトレーニングする前に、トレーニングデータセット内の性別 ・年齢などの保護属性に対する統計的バイアスを定量的に評価・文書化する必要があります。最も適切なサービスとアプローチはどれですか？
SageMaker Clarifyはトレーニング前の事前バイアス分析とトレーニング後のモデル予測バイアス分析の両方をサポートします。CI（クラス不均衡）やDPL（ラベル比率の差異）などの指標で保護属性ごとのバイアスを定量化でき、コンプライアンス文書化にも対応します。 選択肢BはModel Monitorで、デプロイ後のエンドポイント監視用です。 選択肢CはDataBrewで、データ変換に特化したサービスであり、バイアス定量化には適していません。 選択肢DSageMaker Autopilotは自動MLサービスであり、この用途には適していません。