本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 排程功能屬性偏離監控工作
<a name="clarify-model-monitor-feature-attribute-drift-schedule"></a>

建立基準之後，您可以呼叫 `ModelExplainabilityMonitor` 類別執行個體的 `create_monitoring_schedule()` 方法來排程每小時的模型可解釋性監控。以下各節說明如何為部署到即時端點的模型以及批次轉換工作建立模型可解釋性監控。

**重要**  
在建立監控排程時，您可以指定批次轉換輸入或端點輸入，但不能同時指定兩者。

如果已提交基準工作，監控會自動從基準工作中挑選分析組態。不過，如果您略過基準步驟，或擷取資料集的性質與訓練資料集的性質不同，您必須提供分析組態。`ModelConfig` 需要 `ExplainabilityAnalysisConfig` 與基準工作需要它的原因相同。請注意，只有在計算功能屬性時才需要功能，因此您應排除 Ground Truth 標籤。

## 部署至即時端點的模型的功能屬性偏離監控
<a name="model-monitor-explain-quality-rt"></a>

若要為即時端點排程模型可解釋性監控，請將 `EndpointInput` 執行個體傳遞至 `ModelExplainabilityMonitor` 執行個體的 `endpoint_input` 引數，如下列程式碼範例所示：

```
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",
    )
)
```

## 批次轉換工作的功能屬性偏離監控
<a name="model-monitor-explain-quality-bt"></a>

若要為批次轉換工作排程模型可解釋性監控，請將 `BatchTransformInput` 執行個體傳遞至 `ModelExplainabilityMonitor` 執行個體的 `batch_transform_input` 引數，如下列程式碼範例所示：

```
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",
   )
)
```