翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
# SageMaker Clarify によるオンライン説明可能性
このガイドでは、SageMaker Clarify を使用してオンライン説明可能性を設定する方法を説明します。SageMaker AI [リアルタイム推論](https://docs.aws.amazon.com/sagemaker/latest/dg/realtime-endpoints.html)エンドポイントを使用すると、説明可能性をリアルタイムで継続的に分析できます。オンラインでの説明可能性機能は、[Amazon SageMaker AI 機械学習ワークフロー](https://docs.aws.amazon.com/sagemaker/latest/dg/how-it-works-mlconcepts.html)の**本番環境へのデプロイ**の部分に適合します。
## Clarify オンライン説明可能性の仕組み
次の図は、説明可能性リクエストを処理するエンドポイントをホストするための SageMaker AI アーキテクチャを示しています。エンドポイント、モデルコンテナ、および SageMaker Clarify 説明機能の間のインタラクションを示しています。
Clarify オンライン説明可能性の仕組みは次のとおりです。アプリケーションは REST スタイルの `InvokeEndpoint` リクエストを SageMaker AI ランタイムサービスに送信します。サービスはこのリクエストを SageMaker AI エンドポイントにルーティングして、予測と説明を取得します。次に、サービスはエンドポイントからレスポンスを受け取ります。最後に、サービスはレスポンスをアプリケーションに送り返します。
エンドポイントの可用性を高めるため、SageMaker AI はエンドポイント設定のインスタンス数に応じて、エンドポイントインスタンスを複数のアベイラビリティーゾーンに自動的に分散しようとします。エンドポイントインスタンスでは、新しい説明可能性リクエストがあると、SageMaker Clarify の説明機能が予測のためにモデルコンテナを呼び出します。次に、特徴量の属性を計算して返します。
SageMaker Clarify のオンライン説明可能性を使用するエンドポイントを作成するための 4 つのステップは次のとおりです。
1. 事前トレーニング済みの SageMaker AI モデルがオンライン説明可能性に対応しているかどうかを、[事前チェック](https://docs.aws.amazon.com/sagemaker/latest/dg/clarify-online-explainability-precheck.html)の手順に従って確認します。
1. `CreateEndpointConfig` API を使用して SageMaker Clarify の説明機能設定で[エンドポイント設定を作成](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateEndpointConfig.html)します。
1. `CreateEndpoint` API を使用して[エンドポイントを作成](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateEndpoint.html)し、SageMaker AI にエンドポイント設定を提供します。このサービスは、ML コンピューティングインスタンスを起動し、設定で指定されたモデルをデプロイします。
1. [エンドポイントを呼び出す](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_runtime_InvokeEndpoint.html): エンドポイントが稼働状態になったら、SageMaker AI ランタイム API `InvokeEndpoint` を呼び出してエンドポイントにリクエストを送信します。その後、エンドポイントは説明と予測を返します。