本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 计划特征归因偏移监控作业
<a name="clarify-model-monitor-feature-attribute-drift-schedule"></a>

创建 SHAP 基准后，您可以调用 `ModelExplainabilityMonitor` 类实例的 `create_monitoring_schedule()` 方法来计划每小时一次的模型可解释性监控。以下几节介绍如何为部署到实时端点的模型以及为批量转换作业创建模型可解释性监控。

**重要**  
创建监控计划时，您可以指定批量转换输入或端点输入，但不能同时指定两者。

如果已提交设定基准作业，则监控器会自动从基准作业中选取分析配置。但是，如果您跳过设定基准步骤，或者捕获数据集的性质与训练数据集不同，则必须提供分析配置。`ExplainabilityAnalysisConfig` 需要 `ModelConfig`，原因与设定基准作业需要它的原因相同。请注意，计算特征归因时只需要特征，因此您应排除 Ground Truth 标注。

## 对部署到实时端点的模型进行特征归因偏移监控
<a name="model-monitor-explain-quality-rt"></a>

要为实时端点计划模型可解释性监控，请将 `EndpointInput` 实例传递给 `ModelExplainabilityMonitor` 实例的 `endpoint_input` 参数，如以下代码示例所示：

```
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",
    )
)
```

## 对批量转换作业进行特征归因偏移监控
<a name="model-monitor-explain-quality-bt"></a>

要为批量转换作业计划模型可解释性监控，请将 `BatchTransformInput` 实例传递给 `ModelExplainabilityMonitor` 实例的 `batch_transform_input` 参数，如以下代码示例所示：

```
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",
   )
)
```