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。

# XGBoost 範例筆記本
<a name="xgboost-sample-notebooks"></a>

下列清單包含了解決 Amazon SageMaker AI XGBoost 演算法不同使用案例的各種範例 Jupyter 筆記本。
+ [如何建立自訂 XGBoost 容器](https://sagemaker-examples.readthedocs.io/en/latest/aws_sagemaker_studio/sagemaker_studio_image_build/xgboost_bring_your_own/Batch_Transform_BYO_XGB.html) – 本筆記本說明如何使用 Amazon SageMaker AI Batch Transform 建立自訂的 XGBoost 容器。
+ [使用 Parquet 進行 XGBoost 迴歸](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/xgboost_abalone/xgboost_parquet_input_training.html) – 此筆記本展示如何使用 Parquet 中的鮑魚資料集來訓練 XGBoost 模型。
+ [如何訓練和託管多類別分類模型](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/xgboost_mnist/xgboost_mnist.html) – 此筆記本說明如何使用 MNIST 資料集來訓練和託管多類別分類模型。
+ [如何訓練客戶流失預測模型](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_applying_machine_learning/xgboost_customer_churn/xgboost_customer_churn.html) – 此筆記本說明如何訓練模型以預測手機客戶流失，以便找出不滿意的客戶。
+ [介紹適用於 XGBoost 訓練的 Amazon SageMaker AI 受管 Spot 基礎設施](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/xgboost_abalone/xgboost_managed_spot_training.html) – 此筆記本說明如何使用 Spot 執行個體搭配 XGBoost 容器進行訓練。
+ [如何使用 Amazon SageMaker Debugger 即時對 XGBoost 訓練任務進行偵錯](https://sagemaker-examples.readthedocs.io/en/latest/sagemaker-debugger/xgboost_census_explanations/xgboost-census-debugger-rules.html) – 此筆記本說明如何使用 Amazon SageMaker Debugger 監控訓練任務，以內建偵錯規則偵測不一致的情況。

有關如何建立和存取可用於在 SageMaker AI 中執行範例的 Jupyter 筆記本執行個體的說明，請參閱[Amazon SageMaker 筆記本執行個體](nbi.md)。建立並開啟筆記本執行個體後，請選擇 **SageMaker AI 範例**索引標籤，查看所有 SageMaker AI 範例清單。使用線性學習演算法模組化範例筆記本的主題位於 **Amazon 演算法簡介**一節。若要開啟筆記本，請選擇其**使用**標籤，然後選擇**建立複本**。