기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

특징 속성 드리프트 모니터링 작업 예약

SHAP 기준을 생성한 후 ModelExplainabilityMonitor 클래스 인스턴스의 create_monitoring_schedule() 메서드를 호출하여 시간당 모델 설명 가능성 모니터를 예약할 수 있습니다. 다음 섹션은 실시간 엔드포인트에 배포된 모델 및 배치 변환 작업에 사용할 모델 설명 가능성 모니터를 생성하는 방법을 보여줍니다.

기준 설정 작업이 이미 제출된 경우, 모니터는 기준 설정 작업으로부터 분석 구성을 자동으로 반영합니다. 다만, 사용자가 기준 설정 단계를 건너뛰거나 해당 캡처 데이터 세트의 특성이 훈련 데이터 세트의 특성과 다른 경우에는, 분석 구성을 사용자가 제공해야 합니다. ModelConfig는 기준 설정 작업에서 필요한 것과 같은 이유로 ExplainabilityAnalysisConfig에서 요구됩니다. 특징 속성을 계산하는 데에는 특징만 필요하므로, Ground Truth 레이블 지정은 제외해야 합니다.

실시간 엔드포인트에 배포된 모델에 대한 특징 속성 드리프트 모니터링

실시간 엔드포인트에 대한 모델 설명 가능성 모니터를 예약하려면, 다음 코드 샘플에 나와 있는 것처럼 EndpointInput인스턴스를 ModelExplainabilityMonitor인스턴스의 endpoint_input인수로 전달하세요.

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",
    )
)

배치 변환 작업에 대한 특징 속성 드리프트 모니터링

배치 변환 작업에 대한 모델 설명 가능성 모니터를 예약하려면, 다음 코드 샘플에 나와 있는 것처럼 BatchTransformInput인스턴스를 ModelExplainabilityMonitor인스턴스의 batch_transform_input인수로 전달하세요.

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://amzn-s3-demo-bucket/batch-fraud-detection/on-schedule-monitoring/in/",
        excludeFeatures="0",
   )
)