金融機関がローン審査モデルを SageMaker で構築しています。公正貸付規制への準拠のため、モデルのデプロイ前に、性別・年齢などの保護属性に関するバイアスをトレーニングデータ（事前学習バイアス）とモデル予測結果（事後学習バイアス）の両方について定量的に評価する必要があります。この要件を満たすために最も適切なサービスはどれですか？
SageMaker Clarify は事前学習バイアス（データの偏りを示す CI〔クラス不均衡指標〕・DPL〔ラベル比率の差異〕など）と事後学習バイアス（予測の不公平性を示す DI〔格差影響比〕・DPPL〔予測ラベルの正例比率差〕など）の両方を計算できます。また SHAP（SHapley Additive exPlanations：ゲーム理論に基づき各特徴量の予測への貢献度を算出する手法）による説明可能性レポートも提供します。 選択肢A：Model Monitor はデプロイ後のモデルのデータドリフト・品質監視に特化しており、デプロイ前のバイアス評価には使用できません。 選択肢B：SageMaker Clarify を Processing ジョブとして実行することで、事前学習・事後学習の両バイアス指標を定量的に評価でき、公正貸付規制への準拠確認に最も適しています。 選択肢C：Debugger はトレーニング中のテンソル分析（勾配消失・爆発などの診断）に使用するサービスであり、保護属性に基づくバイアス検出には対応していません。 選択肢D：DataBrew はデータ前処理・プロファイリングに特化したサービスであり、モデルの事後学習バイアスを評価する機能はありません。