计划特征归因偏移监控作业 - Amazon SageMaker
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异,请参阅 中国的 Amazon Web Services 服务入门 (PDF)

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

计划特征归因偏移监控作业

创建 SHAP 基准后,您可以调用 ModelExplainabilityMonitor 类实例的 create_monitoring_schedule() 方法来计划每小时一次的模型可解释性监控。以下几节介绍如何为部署到实时端点的模型以及为批量转换作业创建模型可解释性监控。

重要

创建监控计划时,您可以指定批量转换输入或端点输入,但不能同时指定两者。

如果已提交设定基准作业,则监控器会自动从基准作业中选取分析配置。但是,如果您跳过设定基准步骤,或者捕获数据集的性质与训练数据集不同,则必须提供分析配置。ExplainabilityAnalysisConfig 需要 ModelConfig,原因与设定基准作业需要它的原因相同。请注意,计算特征归因时只需要特征,因此您应排除 Ground Truth 标注。

对部署到实时端点的模型进行特征归因偏移监控

要为实时端点计划模型可解释性监控,请将 EndpointInput 实例传递给 ModelExplainabilityMonitor 实例的 endpoint_input 参数,如以下代码示例所示:

from sagemaker.model_monitor import CronExpressionGenerator model_exp_model_monitor = ModelExplainabilityMonitor( role=sagemaker.get_execution_role(), ... ) schedule = model_exp_model_monitor.create_monitoring_schedule( monitor_schedule_name=schedule_name, post_analytics_processor_script=s3_code_postprocessor_uri, output_s3_uri=s3_report_path, statistics=model_exp_model_monitor.baseline_statistics(), constraints=model_exp_model_monitor.suggested_constraints(), schedule_cron_expression=CronExpressionGenerator.hourly(), enable_cloudwatch_metrics=True, endpoint_input=EndpointInput( endpoint_name=endpoint_name, destination="/opt/ml/processing/input/endpoint", ) )

对批量转换作业进行特征归因偏移监控

要为批量转换作业计划模型可解释性监控,请将 BatchTransformInput 实例传递给 ModelExplainabilityMonitor 实例的 batch_transform_input 参数,如以下代码示例所示:

from sagemaker.model_monitor import CronExpressionGenerator model_exp_model_monitor = ModelExplainabilityMonitor( role=sagemaker.get_execution_role(), ... ) schedule = model_exp_model_monitor.create_monitoring_schedule( monitor_schedule_name=schedule_name, post_analytics_processor_script=s3_code_postprocessor_uri, output_s3_uri=s3_report_path, statistics=model_exp_model_monitor.baseline_statistics(), constraints=model_exp_model_monitor.suggested_constraints(), schedule_cron_expression=CronExpressionGenerator.hourly(), enable_cloudwatch_metrics=True, batch_transform_input=BatchTransformInput( destination="opt/ml/processing/data", model_name="batch-fraud-detection-model", input_manifests_s3_uri="s3://my-bucket/batch-fraud-detection/on-schedule-monitoring/in/", excludeFeatures="0", ) )