選取您的 Cookie 偏好設定

我們使用提供自身網站和服務所需的基本 Cookie 和類似工具。我們使用效能 Cookie 收集匿名統計資料,以便了解客戶如何使用我們的網站並進行改進。基本 Cookie 無法停用,但可以按一下「自訂」或「拒絕」以拒絕效能 Cookie。

如果您同意,AWS 與經核准的第三方也會使用 Cookie 提供實用的網站功能、記住您的偏好設定,並顯示相關內容,包括相關廣告。若要接受或拒絕所有非必要 Cookie,請按一下「接受」或「拒絕」。若要進行更詳細的選擇,請按一下「自訂」。

取得 Amazon SageMaker AI Boto 3 用戶端

焦點模式
取得 Amazon SageMaker AI Boto 3 用戶端 - Amazon SageMaker AI

本文為英文版的機器翻譯版本,如內容有任何歧義或不一致之處,概以英文版為準。

本文為英文版的機器翻譯版本,如內容有任何歧義或不一致之處,概以英文版為準。

匯入 Amazon SageMaker Python SDK AWS SDK for Python (Boto3)和其他 Python 程式庫。在新的 Jupyter 筆記本中,將下列程式碼貼到第一個儲存格:

import sagemaker import boto3 import numpy as np # For performing matrix operations and numerical processing import pandas as pd # For manipulating tabular data from time import gmtime, strftime import os region = boto3.Session().region_name smclient = boto3.Session().client('sagemaker')

上述程式碼儲存格會定義 regionsmclient 物件,您將用來呼叫內建 XGBoost 演算法,並設定 SageMaker AI 超參數調校任務。

後續步驟

取得 SageMaker AI 執行角色

隱私權網站條款Cookie 偏好設定
© 2025, Amazon Web Services, Inc.或其附屬公司。保留所有權利。