範例：超參數調校任務

此範例說明如何建立新的筆記本，以設定和啟動超參數調校任務。調校任務會使用 搭配 Amazon SageMaker AI 的 XGBoost 演算法 來訓練模型預測客戶在收到銀行的電話聯絡之後是否會辦理定存。

您可以使用適用於 Python 的低階 SDK (Boto3) 來設定和啟動超參數調校任務，以及使用 AWS Management Console 來監控超參數調校任務的狀態。您也可以使用 Amazon SageMaker AI 高階 Amazon SageMaker Python SDK 來設定、執行、監控和分析超參數調校任務。如需更多資訊，請參閱 https://github.com/aws/sagemaker-python-sdk。

必要條件

若要執行此範例的程式碼，您需要以下項目：

• AWS 帳戶和管理員使用者

• Amazon S3 儲存貯體，用來儲存您的訓練資料集和訓練期間建立的模型成品

• 執行中的 SageMaker AI 筆記本執行個體

主題

• 建立筆記本執行個體

• 取得 Amazon SageMaker AI Boto 3 用戶端

• 取得 SageMaker AI 執行角色

• 使用 Amazon S3 儲存貯體進行輸入和輸出

• 下載、準備和上傳訓練資料

• 設定並啟動超參數調校任務

• 清除