CloudWatch Métricas para el análisis de la desviación de características - Amazon SageMaker AI

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

CloudWatch Métricas para el análisis de la desviación de características

Esta guía muestra CloudWatch las métricas y sus propiedades que puede utilizar para el análisis de la desviación de los atributos de las entidades en SageMaker Clarify. Los trabajos de supervisión de la desviación de atributos de características calculan y publican dos tipos de métricas:

  • El SHAP valor global de cada característica.

    nota

    El nombre de esta métrica anexa el nombre de la característica proporcionado por la configuración del análisis del trabajo a feature_. Por ejemplo, feature_X es el SHAP valor global de la funciónX.

  • El ExpectedValue de la métrica.

Estas métricas se publican en el siguiente espacio de CloudWatch nombres:

  • Para puntos de conexión en tiempo real: aws/sagemaker/Endpoints/explainability-metrics

  • Para trabajos de transformación por lotes: aws/sagemaker/ModelMonitoring/explainability-metrics

Cada métrica tiene las siguientes propiedades:

  • Endpoint: el nombre del punto de conexión supervisado, si corresponde.

  • MonitoringSchedule: el nombre de la programación del trabajo de supervisión.

  • ExplainabilityMethod: el método utilizado para calcular los valores Shapley. Elija KernelShap.

  • Label: el nombre proporcionado por la configuración del análisis del trabajo label_headers o un marcador de posición similar como label0.

  • ValueType: el tipo de valor devuelto por la métrica. Elija GlobalShapValues o ExpectedValue.

Para evitar que los trabajos de supervisión publiquen métricas, establezca publish_cloudwatch_metrics en Disabled en el mapa Environment de definición del trabajo de explicabilidad del modelo.