示例：超参数调优作业

此示例显示了如何创建新的笔记本用于配置和启动超参数调优作业。调优作业使用 XGBoost亚马逊算法 SageMaker 来训练模型，预测在通过电话联系客户之后，该客户是否会在银行注册定期存款。

你可以使用 Python SDK 的低级别 (Boto3) 来配置和启动超参数调整作业，使用低级 AWS Management Console 来监视超参数调整作业的状态。您还可以使用 Amazon SageMaker 高级别 Amaz SageMaker on Python SDK 来配置、运行、监控和分析超参数调整任务。有关更多信息，请参阅https://github.com/aws/sagemaker-python-sdk。

先决条件

要运行此示例中的代码，您需要

• 一个 AWS 账户和一个管理员用户

• Amazon S3 存储桶，用于存储训练数据集以及在训练期间创建的模型构件

• 正在运行的 SageMaker 笔记本实例

主题

• 创建笔记本实例
• 获取 Amazon SageMaker Boto 3 客户端
• 获取 SageMaker 执行角色
• 将 Amazon S3 存储桶用于输入和输出
• 下载、准备和上传训练数据
• 配置并启动超参数调优作业
• 清理