Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Costruisci uno stimatore SageMaker AI XGBoost con la regola Debugger Report XGBoost
<a name="debugger-training-xgboost-report-estimator"></a>

La regola [CreateXgboostReport](debugger-built-in-rules.md#create-xgboost-report) raccoglie i seguenti tensori di output dal processo di addestramento: 
+ `hyperparameters` – Salva durante la prima fase.
+ `metrics` – Salva perdita e precisione ogni 5 fasi.
+ `feature_importance` – Salva ogni 5 fasi.
+ `predictions` – Salva ogni 5 fasi.
+ `labels` – Salva ogni 5 fasi.

I tensori di output vengono salvati in un bucket S3 predefinito. Ad esempio, `s3://sagemaker-{{<region>}}-{{<12digit_account_id>}}/{{<base-job-name>}}/debug-output/`.

Quando costruisci uno stimatore SageMaker AI per un lavoro di XGBoost formazione, specifica la regola come mostrato nel seguente codice di esempio.

------
#### [ Using the SageMaker AI generic estimator ]

```
import boto3
import sagemaker
from sagemaker.estimator import Estimator
from sagemaker import image_uris
from sagemaker.debugger import Rule, rule_configs

rules=[
    {{Rule.sagemaker(rule_configs.create_xgboost_report())}}
]

region = boto3.Session().region_name
xgboost_container=sagemaker.image_uris.retrieve("xgboost", region, "{{1.2-1}}")

estimator=Estimator(
    role=sagemaker.get_execution_role()
    image_uri=xgboost_container,
    base_job_name="{{debugger-xgboost-report-demo}}",
    instance_count={{1}},
    instance_type="{{ml.m5.2xlarge}}",
    
    # Add the Debugger XGBoost report rule
    rules=rules
)

estimator.fit(wait=False)
```

------