翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
# XGBoost バージョン 0.72
**重要**
XGBoost 0.72 は Amazon SageMaker AI で廃止されます。この古いバージョンの XGBoost は、次のコードサンプルに示すように、そのイメージ URI をプルすることで引き続き組み込みアルゴリズムとして使用できます。XGBoost の場合、`:1` で終わるイメージ URI は古いバージョン用です。
```
import boto3
from sagemaker.amazon.amazon_estimator import get_image_uri
xgb_image_uri = get_image_uri(boto3.Session().region_name, "xgboost", repo_version="1")
```
```
import boto3
from sagemaker import image_uris
xgb_image_uri = image_uris.retrieve("xgboost", boto3.Session().region_name, "1")
```
新しいバージョンを使用する場合、イメージ URI タグを明示的に指定する必要があります (「[サポートバージョン](xgboost.md#xgboost-supported-versions)」を参照)。
この以前の Amazon SageMaker AI XGBoost アルゴリズムのリリースは、0.72 リリースに基づいています。[XGBoost](https://github.com/dmlc/xgboost) (eXtreme Gradient Boosting) は、勾配ブーストツリーアルゴリズムのよく知られた効率的なオープンソースの実装です。勾配ブースティングは教師あり学習アルゴリズムで、より単純で弱いモデルのセットの推定を組み合わせることで、ターゲット変数の正確な予測を試行します。XGBoost は、各種データタイプ、信頼関係、ディストリビューション、およびニーズに合わせて切り替え、調整できる大量のハイパーパラメータを堅牢に処理できるため、機械学習のコンペティションにおいて非常に優れた結果を出しています。この柔軟性により、XGBoost が回帰、分類 (バイナリとマルチクラス)、ランキングの問題に対して推奨される選択肢になります。
お客様は、[Amazon SageMaker AI の XGBoost アルゴリズム](xgboost.md) の新しいリリースの使用を検討する必要があります。例えば、Tensorflow 深層学習フレームワークで通常行うように、SageMaker AI 組み込みのアルゴリズムとして、またはローカル環境でスクリプトを実行するフレームワークとして使用できます。この新しい実装では、メモリのフットプリントは縮小し、ロギングは強化され、ハイパーパラメータ検証は向上し、メトリクスセットは拡張されています。新しいバージョンへの移行を先延ばしにする必要がある場合は、XGBoost の以前の実装を引き続き利用することができます。ただし、この以前の実装は、XGBoost の 0.72 リリースに関連付けられたままになります。
## XGBoost リリース 0.72 の入出力インターフェイス
勾配ブースティングは表形式のデータで動作し、行が観測値、1 つの列がターゲット変数またはラベル、残りの列が特徴を表します。
SageMaker AI の XGBoost の実装では、トレーニングと推論に CSV 形式と libsvm 形式が対応しています。
+ トレーニング ContentType の場合、有効な入力は *text/libsvm* (デフォルト) または *text/csv* です。
+ 推論 ContentType の場合、有効な入力は *text/libsvm* または *text/csv* (デフォルト) です。
**注記**
CSV トレーニングの場合、アルゴリズムはターゲット変数が最初の列にあり、CSV にはヘッダーレコードがないと見なします。CSV 推論の場合、アルゴリズムは CSV 入力にラベル列がないと見なします。
libsvm トレーニングの場合、アルゴリズムはラベルが最初の列にあると見なします。後続の列には、特徴のゼロベースのインデックス値のペアが含まれています。そのため、各行は