AWS SageMaker Estimators (https://sagemaker.readthedocs.io/en/stable/estimators.html)

aws-sagemaker-xgboost-ep01.py

#####################################################################################
# Initatiate the Session
#####################################################################################
sess = sagemaker.Session()

#####################################################################################
# Ensure that you specify the right locations of the XGBoost algorithm containers
#####################################################################################
xgb = sagemaker.estimator.Estimator(container,
                                    role, 
                                    train_instance_count=1, 
                                    train_instance_type='ml.m4.xlarge',
                                    output_path='s3://{}/{}/output'.format(bucket, prefix),
                                    sagemaker_session=sess)

#####################################################################################
# Specify a few parameters like what type of training instances we'd like to use and 
# how many, as well as our XGBoost hyperparameters. 
#####################################################################################
xgb.set_hyperparameters(max_depth=5,
                        eta=0.2,
                        gamma=4,
                        min_child_weight=6,
                        subsample=0.8,
                        silent=0,
                        objective='binary:logistic',
                        num_round=100)

####################################################################################
# Run the Model
####################################################################################
xgb.fit({'train': s3_input_train, 'validation': s3_input_validation})