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

Métricas de CloudWatch para el análisis de la desviación de características

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

  • El valor SHAP 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 valor SHAP global de la característica X.

  • El ExpectedValue de la métrica.

Estas métricas se publican en los siguientes espacios de nombres de CloudWatch.

  • 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.