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

# Debugger XGBoost 보고서 규칙을 이용한 SageMaker AI XGBoost 예측기 구문화
<a name="debugger-training-xgboost-report-estimator"></a>

[CreateXgboostReport](debugger-built-in-rules.md#create-xgboost-report) 규칙은 훈련 작업에서 다음 출력 텐서를 수집합니다.
+ `hyperparameters` – 첫 단계에서 저장합니다.
+ `metrics` - 5단계마다 손실 및 정확도를 저장합니다.
+ `feature_importance` - 5단계마다 저장합니다.
+ `predictions` - 5단계마다 저장합니다.
+ `labels` - 5단계마다 저장합니다.

출력 텐서는 기본 S3 버킷에 저장됩니다. 예를 들어 `s3://sagemaker-<region>-<12digit_account_id>/<base-job-name>/debug-output/`입니다.

XGBoost 훈련 작업을 위해 SageMaker AI 예측기를 구문화할 경우, 다음 예시 코드에 표시된 바와 같이 규칙을 지정합니다.

------
#### [ Using the SageMaker AI generic estimator ]

```
import boto3
import sagemaker
from sagemaker.estimator import Estimator
from sagemaker import image_uris
from sagemaker.debugger import Rule, rule_configs

rules=[
    Rule.sagemaker(rule_configs.create_xgboost_report())
]

region = boto3.Session().region_name
xgboost_container=sagemaker.image_uris.retrieve("xgboost", region, "1.2-1")

estimator=Estimator(
    role=sagemaker.get_execution_role()
    image_uri=xgboost_container,
    base_job_name="debugger-xgboost-report-demo",
    instance_count=1,
    instance_type="ml.m5.2xlarge",
    
    # Add the Debugger XGBoost report rule
    rules=rules
)

estimator.fit(wait=False)
```

------