如何向SageMaker XGBoost Estimator传递lambda超参数？解决语法错误

问题核心是lambda属于Python保留关键字，不能直接作为参数名传递给set_hyperparameters方法，这里有两种简单可行的解决方式：

方法1：使用官方支持的别名lambda_ #

SageMaker的XGBoost Estimator针对这个场景专门提供了带下划线的参数别名lambda_，直接替换原参数名即可：

xgb = sagemaker.estimator.Estimator(**training_dict, sagemaker_session=sagemaker_session)

xgb.set_hyperparameters(
    num_round=2000,
    objective='binary:logistic', 
    tree_method='hist', 
    eval_metric='auc',
    # 用lambda_替代lambda
    lambda_=0.5,
    alpha=1
)
xgb.fit({'train': s3_input_train, 'validation': s3_input_validation}) 

方法2：通过字典解包传递超参数 #

如果更习惯使用原参数名lambda，可以把所有超参数存入字典，再通过**解包传递给方法：

xgb = sagemaker.estimator.Estimator(**training_dict, sagemaker_session=sagemaker_session)

hyperparams = {
    'num_round': 2000,
    'objective': 'binary:logistic', 
    'tree_method': 'hist', 
    'eval_metric': 'auc',
    'lambda': 0.5,
    'alpha': 1
}
xgb.set_hyperparameters(**hyperparams)
xgb.fit({'train': s3_input_train, 'validation': s3_input_validation}) 

两种方式都能正常将L2正则化参数传递给XGBoost，不会触发语法错误。

内容的提问来源于stack exchange，提问作者Gaurav Chawla