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。
在 Amazon 上使用 R 的资源 SageMaker
本文档列出了可帮助您学习如何在 R 软件环境中使用 Amazon SageMaker 功能的资源。以下各节介绍了内置 SageMaker的 R 内核，解释了如何开始使用 R SageMaker，并提供了几个示例笔记本。
这些示例分为三个级别：初级、中级和高级。他们从开启 R 的入门开始 SageMaker，在 R
有关如何将自己的自定义 R 映像带入 Studio 中的信息，请参阅带上你自己的 SageMaker 图片。有关类似的博客文章，请参阅将您自己的 R 环境引入 Amazon SageMaker Studio
RStudio支持 SageMaker
亚马逊 SageMaker 支持RStudio作为与亚马逊 SageMaker 域集成的完全托管的集成开发环境 (IDE)。通过RStudio集成，您可以在域中启动RStudio环境，以便在 SageMaker 资源上运行RStudio工作流程。有关更多信息，请参阅 RStudio在亚马逊上 SageMaker。
R 内核在 SageMaker
SageMaker 笔记本实例使用预安装的 R 内核支持 R。此外，R 内核还有网状库，一个 R 到 Python 接口，因此你可以在 R 脚本中使用 Py SageMaker thon SDK 的功能。
示例笔记本
先决条件
-
开启 R 入门 SageMaker
— 本示例笔记本描述了如何使用 Amazon SageMaker 的 R 内核开发 R 脚本。在此笔记本中，您可以设置 SageMaker环境和权限，从 M UCIachine Learning Re pository 下载鲍鱼数据集 ，对数据进行一些基本处理和可视化，然后将数据保存为.csv 格式到 S3。
初级
-
SageMaker 使用 R 内核进行批量转换
— 此示例笔记本描述了如何使用 SageMaker的 Transformer API 和XGBoost算法执行批量转换作业。 笔记本还使用 Abalone 数据集。
中级
-
R XGBoost 中的超参数优化
—此示例笔记本扩展了以前的初学者笔记本，这些笔记本使用鲍鱼数据集和. XGBoost 它介绍了如何使用超参数优化 进行模型优化。您还会了解如何使用批量转换进行批量预测，以及如何创建模型端点以进行实时预测。 -
使用 R 的 Amazon SageMaker
Process SageMaker ing — Processing 允许您对模型评估工作负载进行预处理 、后处理和运行。该示例说明了如何创建 R 脚本以编排处理作业。
高级
-
训练和部署你自己的 R 算法 SageMaker
— 你是否已经有一个 R 算法，想把它带进 SageMaker 来调整、训练或部署它？ 此示例将引导您了解如何使用自定义 R 包自定义 SageMaker 容器，一直到使用托管端点对 R-Origin 模型进行推理。
