要使用AWS Sagemaker scikit-learn BYO（bring your own）容器，您需要遵循以下步骤：

1. 准备您的训练脚本：您的训练脚本应该是一个Python脚本，其中包含了您的模型训练逻辑。您可以将您的脚本放在一个名为train.py的文件中。

2. 构建和上传您的容器：您需要创建一个Docker容器来运行您的训练脚本。您可以使用Sagemaker提供的预定义容器作为基础，并在其上构建您自己的容器。在您的容器中，您需要安装必要的依赖项，并将您的训练脚本复制到容器中。将构建的容器上传到AWS ECR（Elastic Container Registry）以供后续使用。

3. 创建Sagemaker BYO作业：使用AWS Sagemaker控制台或AWS SDK，创建一个Sagemaker BYO作业。在作业配置中，指定您之前上传的容器的位置和其他必要参数。

4. 运行Sagemaker BYO作业：启动您的Sagemaker BYO作业。Sagemaker会自动调用您的容器，并运行其中的训练脚本。您可以在作业运行期间监控作业的状态和日志。

以下是一个简单的示例，展示了如何使用AWS Sagemaker scikit-learn BYO容器：

1. 创建一个名为train.py的文件，并将以下代码保存在其中：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
import joblib

# 加载数据集
iris = load_iris()
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2)

# 训练模型
model = RandomForestClassifier()
model.fit(X_train, y_train)

# 评估模型
accuracy = model.score(X_test, y_test)
print(f"Accuracy: {accuracy}")

# 保存模型
joblib.dump(model, '/opt/ml/model/model.joblib')

2. 创建一个名为Dockerfile的文件，并将以下代码保存在其中：

FROM python:3.8

RUN pip install scikit-learn
RUN pip install joblib

COPY train.py /opt/ml/code/train.py

WORKDIR /opt/ml/code

ENTRYPOINT ["python", "/opt/ml/code/train.py"]

3. 构建和上传您的容器：

$ docker build -t my-sagemaker-container .
$ aws ecr create-repository --repository-name my-sagemaker-container --region us-west-2
$ aws ecr get-login-password --region us-west-2 | docker login --username AWS --password-stdin 
$ docker tag my-sagemaker-container:latest :latest
$ docker push :latest

4. 创建Sagemaker BYO作业：使用AWS Sagemaker控制台或AWS SDK，创建一个Sagemaker BYO作业。在作业配置中，指定您之前上传的容器的位置和其他必要参数。

5. 运行Sagemaker BYO作业：启动您的Sagemaker BYO作业。Sagemaker会自动调用您的容器，并运行其中的训练脚本。您可以在作业运行期间监控作业的状态和日志。

这是一个简单的示例，展示了如何使用AWS Sagemaker scikit-learn BYO容器。您可以根据您的需求进行定制和扩展。