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

# SageMaker AI Autopilot을 사용한 SageMaker Clarify 설명 가능성
<a name="autopilot-explainability"></a>

Autopilot은 Amazon SageMaker Clarify에서 제공하는 도구를 사용하여 기계 학습(ML) 모델이 예측하는 방법에 대한 통찰력을 제공합니다. 이러한 도구는 ML 엔지니어, 제품 관리자 및 기타 내부 이해 관계자가 모델 특성을 이해하는 데 도움이 될 수 있습니다. 모델 예측에 대한 결정을 신뢰하고 해석하기 위해 소비자와 규제 기관 모두 적절한 기계 학습의 투명성에 의존합니다.

Autopilot 설명 기능은 모델에 구애받지 않는 기능 특성 접근 방식을 사용합니다. 이 접근 방식은 모델의 출력에 대한 개별 특징 또는 입력의 기여도를 결정하여 다양한 특징의 관련성에 대한 통찰력을 제공합니다. 이를 이용해 훈련 후 모델이 예측을 한 이유를 이해하고 추론 중에 인스턴스별 설명을 제공할 수 있습니다. 구현에는 확장 가능한 [SHAP](https://papers.nips.cc/paper/2017/file/8a20a8621978632d76c43dfd28b67767-Paper.pdf)(Shapley Additive Explanations) 구현이 포함됩니다. 이 구현은 협동 게임 이론의 Shapley 값 개념을 기반으로 합니다. 이 값은 각 특성에 특정 예측에 대한 중요도 값을 할당합니다.

감사 및 규제 요구 사항 충족, 모델에 대한 신뢰 구축 및 인간의 의사 결정 지원, 모델 성능 디버깅 및 개선을 위해 SHAP 설명을 사용할 수 있습니다.

Shapely 값 및 기준에 대한 추가 정보는 [SHAP Baselines for Explainability](https://docs.aws.amazon.com/sagemaker/latest/dg/clarify-feature-attribute-shap-baselines.html)를 참조하세요.

Amazon SageMaker Clarify 설명서에 대한 가이드는 [SageMaker Clarify 설명서 가이드](https://docs.aws.amazon.com/sagemaker/latest/dg/clarify-fairness-and-explainability.html#clarify-fairness-and-explainability-toc)를 참조하세요.