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。
使用笔记本实例构建模型教程
本入门教程将向您介绍如何创建 SageMaker 笔记本实例，使用预先配置的内核打开 Jupyter 笔记本并使用 Conda 环境进行机器学习，以及如何启动 SageMaker AI 会话以运行端到端机器学习周期。您将学习如何将数据集保存到与 A SageMaker I 会话自动配对的默认 Amazon S3 存储桶中，如何向 Amazon EC2 提交机器学习模型的训练作业，以及如何通过 Amazon EC2 托管或批量推理来部署经过训练的模型进行预测。
本教程明确展示了从 SageMaker AI 内置模型池训练 XGBoost 模型的完整机器学习流程。你使用美国成人人口普查数据集
-
SageMaker AI xgBoost — XGBoost
模型适用于 SageMaker 人工智能环境，并预配置为 Docker 容器。 SageMaker AI 提供了一套为使用 SageMaker AI 功能做好准备的内置算法。要详细了解哪些机器学习算法适用于 SageMaker 人工智能，请参阅选择算法并使用 Amazon SageMaker Built-in 算法。有关 SageMaker 人工智能内置算法 API 的操作，请参阅 A maz SageMaker on Python 软件开发工具包 中的First-Party 算法 。 -
Adult Census 数据集
– 由 Ronny Kohavi 和 Barry Becker 创作的 1994 Census bureau 数据库 中的数据集（数据挖掘和可视化，Silicon Graphics）。 SageMaker AI xgBoost 模型使用此数据集进行训练，以预测个人年收入是否超过 50,000 美元或更少。
主题
