支持的版本如何使用 XGBoost XGBoost 算法的输入/输出接口 XGBoost 算法的 EC2 实例推荐示例笔记本

XGBoost 算法

XGBoost (eXtreme Gradient Boosting) 是梯度提升树算法的一种流行且高效的开源实施。梯度提升是一种指导式学习算法，它尝试将一组较简单且较弱模型的一系列估计值结合在一起，从而准确地预测目标变量。XGBoost 算法在机器学习竞赛中表现良好，因为它可以强大地处理各种数据类型、关系、分布以及您可以微调的各种超参数。您可以使用 XGBoost 来处理回归、分类（二进制和多类）和排名问题。

您可以将新版本的 XGBoost 算法用作 Amazon SageMaker 内置算法或框架，在本地环境中运行训练脚本。与原始版本相比，此实施占用内存更少，并且具有更好的日志记录、改进的超参数验证以及一组扩展的指标。它提供了一个 XGBoost estimator，用于在托管的 XGBoost 环境中执行训练脚本。当前版本的 SageMaker XGBoost 1.0、1.2、1.3 和 1.5 版。

支持的版本

框架（开源）模式：1.0-1、1.2-1、1.2-2、1.3-1、1.5-1
算法模式：1.0-1、1.2-1、1.2-2、1.3-1、1.5-1

重要

当你检索 SageMaker XGBoost 图像 URI 时，不要使用:latest或:1作为图像 URI 标签。必须指定其中一个才能选择包含支持的版本要使用的本机 xgBoost 包版本的 SageMaker-managed XgBoost 容器。要查找迁移到 SageMaker XGBoost 容器的软件包版本，请参阅 Docker 注册表路径和示例代码，选择您的Amazon Web Services 区域，然后导航到 XGBoost（算法）部分。

警告

xgBoost 0.90 版本已过时。XgBoost 0.90 的安全更新或错误修复的支持已停止。强烈建议将 XGBoost 版本升级到较新的版本之一。

注意

不支持 xgBoost v1.1， SageMaker 因为当测试输入的功能少于 LIBSVM 输入中的训练数据时，xgBoost 1.1 运行预测的能力就会中断。此功能已在 xgBoost v1.2 中恢复。考虑使用 SageMaker xgBoost 1.2-2 或更高版本。

如何使用 SageMaker xgBoost

使用 SageMaker，您可以将 XGBoost 用作内置算法或框架。通过将 XGBoost 用作框架，您可以自定义自己的训练脚本，从而具有更大的灵活性并可以访问更高级的方案（例如 k 折交叉验证）。下面几节介绍如何在 Python 开发工具包中使用 XGBoost 开发工具包和 SageMaker Python 有关如何从亚马逊 SageMaker Studio 用户界面使用 XgBoost 的信息，请参阅SageMaker JumpStart。

使用 XGBoost 作为框架

使用 XGBoost 作为框架来运行可以将附加数据处理合并到训练作业中的自定义训练脚本。在以下代码示例中，您可以找到 SageMaker Python SDK 如何将 XGBoost API 作为框架提供，就像它提供其他框架 API（例如 MXNet 和）一样 TensorFlow PyTorch。


import boto3
import sagemaker
from sagemaker.xgboost.estimator import XGBoost
from sagemaker.session import Session
from sagemaker.inputs import TrainingInput

# initialize hyperparameters
hyperparameters = {
        "max_depth":"5",
        "eta":"0.2",
        "gamma":"4",
        "min_child_weight":"6",
        "subsample":"0.7",
        "verbosity":"1",
        "objective":"reg:squarederror",
        "num_round":"50"}

# set an output path where the trained model will be saved
bucket = sagemaker.Session().default_bucket()
prefix = 'DEMO-xgboost-as-a-framework'
output_path = 's3://{}/{}/{}/output'.format(bucket, prefix, 'abalone-xgb-framework')

# construct a SageMaker XGBoost estimator
# specify the entry_point to your xgboost training script
estimator = XGBoost(entry_point = "your_xgboost_abalone_script.py", 
                    framework_version='1.5-1',
                    hyperparameters=hyperparameters,
                    role=sagemaker.get_execution_role(),
                    instance_count=1,
                    instance_type='ml.m5.2xlarge',
                    output_path=output_path)

# define the data type and paths to the training and validation datasets
content_type = "libsvm"
train_input = TrainingInput("s3://{}/{}/{}/".format(bucket, prefix, 'train'), content_type=content_type)
validation_input = TrainingInput("s3://{}/{}/{}/".format(bucket, prefix, 'validation'), content_type=content_type)

# execute the XGBoost training job
estimator.fit({'train': train_input, 'validation': validation_input})

有关使用 SageMaker xgBoost 作为框架的 end-to-end 示例，请参阅使用亚马逊 SageMaker XGBoost 进行回归

使用 XGBoost 作为内置算法

使用 XGBoost 内置算法构建 XGBoost 训练容器，如以下代码示例所示。你可以使用 API（如果使用亚马逊 SageMaker Python SDK 版本 1，则为 SageMaker image_uris.retrieve API）自动找到 XGBoost 内置算法的图像 URget_image_uri I。如果要确保 image_uris.retrieve API 找到正确的 URI，请参阅内置算法的常用参数，并从内置算法映像 URI 和可用区域的完整列表中查找 xgboost。

指定 xgBoost 镜像 URI 后，你可以使用 xgBoost 容器使用 Estimator API 构造 SageMaker 估算器并启动训练作业。此 XGBoost 内置算法模式不包含您自己的 XGBoost 训练脚本，而是直接在输入数据集上运行。

重要


import sagemaker
import boto3
from sagemaker import image_uris
from sagemaker.session import Session
from sagemaker.inputs import TrainingInput

# initialize hyperparameters
hyperparameters = {
        "max_depth":"5",
        "eta":"0.2",
        "gamma":"4",
        "min_child_weight":"6",
        "subsample":"0.7",
        "objective":"reg:squarederror",
        "num_round":"50"}

# set an output path where the trained model will be saved
bucket = sagemaker.Session().default_bucket()
prefix = 'DEMO-xgboost-as-a-built-in-algo'
output_path = 's3://{}/{}/{}/output'.format(bucket, prefix, 'abalone-xgb-built-in-algo')

# this line automatically looks for the XGBoost image URI and builds an XGBoost container.
# specify the repo_version depending on your preference.
xgboost_container = sagemaker.image_uris.retrieve("xgboost", region, "1.5-1")

# construct a SageMaker estimator that calls the xgboost-container
estimator = sagemaker.estimator.Estimator(image_uri=xgboost_container, 
                                          hyperparameters=hyperparameters,
                                          role=sagemaker.get_execution_role(),
                                          instance_count=1, 
                                          instance_type='ml.m5.2xlarge', 
                                          volume_size=5, # 5 GB 
                                          output_path=output_path)

# define the data type and paths to the training and validation datasets
content_type = "libsvm"
train_input = TrainingInput("s3://{}/{}/{}/".format(bucket, prefix, 'train'), content_type=content_type)
validation_input = TrainingInput("s3://{}/{}/{}/".format(bucket, prefix, 'validation'), content_type=content_type)

# execute the XGBoost training job
estimator.fit({'train': train_input, 'validation': validation_input})

有关如何将 XGBoost 设置为内置算法的更多信息，请参阅以下笔记本示例。

XGBoost 算法的输入/输出接口

梯度提升对表格数据进行操作，其中行表示观察、一个列表示目标变量或标签，其余列表示特征。

xgBoost 的 SageMaker 实现支持 CSV 和 libsvm 格式进行训练和推理：

对于训练 ContentType，有效的输入是文本/libsvm（默认）或文本/csv。
对于推理 ContentType，有效的输入为 text/libsvm（默认）或 text/csv。

注意

对于 CSV 训练，算法假定目标变量在第一列中，而 CSV 没有标头记录。

对于 CSV 推理，算法假定 CSV 输入没有标签列。

对于 libsvm 训练，算法假定标签在第一列中。后续的列包含特征的索引值对（从零开始）。因此，每一行的格式为：<label> <index0>:<value0> <index1>:<value1> ... 对于 libsvm 的推理请求可能没有 libsvm 格式的标签。

这与其他 SageMaker 算法不同，后者使用 protobuf 训练输入格式来保持与标准 xgBoost 数据格式更高的一致性。

对于 CSV 训练输入模式，可用于算法的总内存 (实例计数 * InstanceType 中的可用内存) 必须能够容纳训练数据集。对于 libsvm 训练输入模式，它不是必需的，但我们建议使用它。

对于 v1.3-1 及更高版本， SageMaker XGBoost 使用 xgBoost 内部二进制格式保存模型Booster.save_model。以前的版本使用 Python pickle 模块来序列化/反序列化模型。

注意

在开源 XGBoost 中使用 SageMaker XGBoost 模型时，请注意版本。1.3-1 及更高版本使用 xgBoost 内部二进制格式，而之前的版本使用 Python pickle 模块。

使用在开源 SageMaker xgBoost v1.3-1 或更高版本中训练的模型 xgBoost

使用以下 Python 代码：


import xgboost as xgb

xgb_model = xgb.Booster()
xgb_model.load_model(model_file_path)
xgb_model.predict(dtest)

在开源 SageMaker xgBoost 中使用使用先前版本的 xgBoost 训练过的模型

使用以下 Python 代码：


import pickle as pkl 
import tarfile

t = tarfile.open('model.tar.gz', 'r:gz')
t.extractall()

model = pkl.load(open(model_file_path, 'rb'))

# prediction with test data
pred = model.predict(dtest)

使用实例权重支持区分标记数据点的重要性

SageMaker XGBoost 允许客户通过为每个实例分配权重值来区分带标签的数据点的重要性。对于 text/libsvm 输入，客户可以通过在标签之后附加权重值，将权重值分配给数据实例。例如，label:weight idx_0:val_0 idx_1:val_1...。对于 text/csv 输入，客户需要在参数中打开 csv_weights 标志，并将权重值附加到标签之后的列中。例如：label,weight,val_0,val_1,...）。

XGBoost 算法的 EC2 实例推荐

SageMaker xgBoost 1.0-1 或更早版本只能使用 CPU 进行训练。它是一种内存限制型（而不是计算限制型）算法。因此，通用计算实例（例如 M5）是比计算优化的实例（例如 C4）更适合的选择。此外，我们建议您在选定的实例中有足够的总内存来保存训练数据。尽管它支持使用磁盘空间来处理不适合主内存的数据（libsvm 输入模式提供的 out-of-core 功能），但将缓存文件写入磁盘会减慢算法的处理时间。

SageMaker Xgast1.2 或更高高版本 1.2 或更高高版本 1.2 或更高高版本 1.2 尽管每个实例的成本更高，但 GPU 的训练速度更快，因此更具成本效益。 SageMaker Xgbo5 或更高版本 1.2 或更高高版本 1.2 或更高高版本 1.2 或更高高版本。

SageMaker xgBoost 版本 1.2-2 或更高版本支持 P2、P3、G4dN 和 G5 GPU 实例系列。

要利用 GPU 训练，请将实例类型指定为一个 GPU 实例（例如 P3），然后在现有 XgBoost 脚本gpu_hist中将tree_method超参数设置为。 SageMaker XG Boost 目前不支持多GPU 训练和多GPU 训练。

SageMaker xgBoost 支持 CPU 和 GPU 实例进行推理。有关用于推理的实例类型的信息，请参阅 Amazon SageMaker ML 实例类型。

XGBoost 示例笔记本

下表概述了各种样本笔记本，这些笔记本电脑涉及 Amazon SageMaker XGBoost 算法的不同用例。

笔记本标题	描述
如何创建自定义 XGBoost 容器？	这本笔记本向你展示了如何使用 Amazon Batc SageMaker h Transform 构建自定义 XgBoost 容器。
使用 Parquet 使用 XGBoost 进行	这本笔记本向你展示了如何使用 Parquet 中的鲍鱼数据集来训练 xgBoost 模型。
如何训练和托管多类分类模型？	本笔记本展示了如何使用 MNIST 数据集来训练和托管多类分类模型。
如何训练客户流失预测模型？	本笔记本向您展示了如何训练模型来预测移动客户离境情况，从而识别出不满意的客户。
适用于 XGBoost 培训的亚马逊 SageMaker Managed Spot 基础设施简介	本笔记本向您展示了如何使用 Spot 实例通过 XgBoost 容器进行训练。
如何使用亚马逊 SageMaker 调试器调试 XGBoost 训练作业？	本笔记本向您展示了如何使用 Amazon SageMaker Debugger 监控训练作业，以使用内置调试规则检测不一致之处。
如何使用亚马逊调 SageMaker 试器实时调试 XGBoost 训练作业？	本笔记本向您展示了如何在训练作业运行时使用 MNIST 数据集和 Amazon SageMaker Debugger 对 XgBoost 训练作业进行实时分析。

有关如何创建和访问可用于运行示例的 Jupyter 笔记本实例的说明 SageMaker，请参阅亚马逊 SageMaker 笔记本实例。创建并打开笔记本实例后，选择 “SageMaker示例” 选项卡以查看所有 SageMaker 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 Use (使用) 选项卡，然后选择 Create copy (创建副本)。

Javascript 在您的浏览器中被禁用或不可用。

要使用 Amazon Web Services 文档，必须启用 Javascript。请参阅浏览器的帮助页面以了解相关说明。

模型优化

工作方式