Amazon SageMaker XGBoost

概要

• **XGBoost（勾配ブースティング決定木）**を、Amazon SageMaker上で学習から推論まで一貫して利用できます。
• SageMakerはMLの構築・学習・デプロイをフルマネージドで提供し、インフラ運用を省力化できます。

できること

• 回帰・二値分類・多クラス分類・ランキングに対応します。
• CPU/GPUインスタンスや分散学習を活用して大規模データを処理できます。
• 組み込みアルゴリズムとしても、オープンソースXGBoostコンテナとしても利用できます。

特徴（押さえ所）

• 高い予測精度を実務とコンペの両面で実証できます。
• 正則化（L1/L2）やサンプリングで過学習を抑えやすいです。
• 特徴量重要度を可視化でき、解釈性を確保できます。
• 学習・ハイパラ探索・デプロイ・推論をSageMakerで一気通貫に運用できます。

代表ユースケース

• 分類：離反（チャーン）予測、不正検知。
• 回帰：価格予測、需要予測・在庫最適化。
• ランキング：検索結果やレコメンドの順位付け。

入出力（学習／推論）

項目	学習の入力	学習の出力	推論の入力	推論の出力
形式	S3上の CSV / LibSVM / RecordIO（CSVは先頭列=ラベルが基本です）	モデルアーティファクト（.tar.gz）	CSV/JSON（エンドポイントへ送信）	予測結果（CSV/JSON）
保存先/経路	Amazon S3	Amazon S3（モデル登録→デプロイ）	SageMakerエンドポイント	エンドポイントのレスポンス

LibSVMはスパースデータに適しています。
学習済みモデルは SageMaker Model に登録してエンドポイントへデプロイします。

主要ハイパーパラメータ（最小セット）

• objective：reg:squarederror / binary:logistic / multi:softprob（多クラスは num_class 必須です）。
• 学習制御：num_round、eta（学習率）、max_depth。
• 正則化/分割：min_child_weight、gamma、lambda（L2）、alpha（L1）。
• サンプリング：subsample、colsample_bytree。
• **HPO（ハイパーパラメータ最適化）**と組み合わせて自動探索を実施できます。

使い方（最短フロー）

1. データを前処理してS3へアップロードします（CSVは先頭列=ラベルにします）。
2. XGBoost Estimatorを作成して fit() にS3のデータパスを渡します（検証チャネルを推奨します）。
3. deploy() でリアルタイム推論のエンドポイントを作成します。
4. テストデータを送信して予測結果を取得し、指標と重要度を確認します。

運用の要点

• 検証データを渡して 早期終了（early stopping） を有効化します。
• 過学習対策として eta を下げて num_round を増やし、max_depth を抑えます。
• 分散学習やGPUを活用して学習時間を短縮します。
• バッチ推論（Batch Transform）とリアルタイム推論を用途で使い分けます。

試験ポイント（AWS MLS / G検定）

• AWS MLS：SageMakerの組み込みアルゴリズムであること、表形式に強いこと、HPOとエンドポイント運用、分散学習やGPU対応を理解します。
• G検定：勾配ブースティングによるアンサンブル学習で汎化性能が高いこと、木ベースで非線形関係を扱えることを説明できます。

一言まとめ

• SageMaker XGBoostは、表形式データの定番高性能モデルを、学習から本番推論までマネージドに素早く回せる実務向け構成です。