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。

# XGBoost 样本笔记本
<a name="xgboost-sample-notebooks"></a>

以下列表包含各种 Jupyter 笔记本示例，它们解决了 Amazon A SageMaker I XGBoost 算法的不同用例。
+ [如何创建自定义 XGBoost 容器](https://sagemaker-examples.readthedocs.io/en/latest/aws_sagemaker_studio/sagemaker_studio_image_build/xgboost_bring_your_own/Batch_Transform_BYO_XGB.html) — 本笔记本向您展示了如何使用 Amazon A SageMaker I Batch Transform 构建自定义 XGBoost 容器。
+ [ XGBoost 使用 Parquet 进行回归](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/xgboost_abalone/xgboost_parquet_input_training.html) — 本笔记本向你展示了如何使用 Parquet 中的 Abalone 数据集来训练 XGBoost 模型。
+ [如何训练和托管多分类器模型](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/xgboost_mnist/xgboost_mnist.html)：本笔记本演示如何使用 MNIST 数据集来训练和托管多分类器模型。
+ [如何训练客户流失预测模型](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_applying_machine_learning/xgboost_customer_churn/xgboost_customer_churn.html)：本笔记本演示了如何训练模型来预测移动客户流失，以确定不满意的客户。
+ [用于 XGBoost培训的 Amazon SageMaker AI 托管 Spot 基础设施简介](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/xgboost_abalone/xgboost_managed_spot_training.html) — 本笔记本向您展示如何使用竞价型实例进行 XGBoost 容器训练。
+ [如何使用 Amazon Debu SageMaker gger 调试 XGBoost 训练作业](https://sagemaker-examples.readthedocs.io/en/latest/sagemaker-debugger/xgboost_census_explanations/xgboost-census-debugger-rules.html) — 本笔记本向您展示如何使用 Amazon Debugger 监控训练作业，使用内置 SageMaker 调试规则检测不一致之处。

有关如何创建和访问可用于在 SageMaker AI 中运行示例的 Jupyter 笔记本实例的说明，请参阅。[Amazon SageMaker 笔记本实例](nbi.md)创建并打开笔记本实例后，选择 “**SageMaker AI 示例**” 选项卡以查看所有 SageMaker AI 示例的列表。使用线性学习算法的主题建模示例笔记本位于 **Amazon 算法简介**部分中。要打开笔记本，请选择其**使用**选项卡，然后选择**创建副本**。