我們不再更新 Amazon Machine Learning 服務或接受新的使用者。本文件可供現有使用者使用，但我們不再更新。如需詳細資訊，請參閱什麼是 Amazon Machine Learning。

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。

Amazon ML 的定價

使用 AWS 服務時，您只需支付使用量的費用。沒有最低費用，也沒有前期承諾。

Amazon Machine Learning (Amazon ML) 會針對運算資料統計資料和訓練和評估模型的運算時間，按小時計費，然後您需為應用程式產生的預測數付費。對於即時預測，您還需根據模型的大小支付每小時預留容量費用。

Amazon ML 只會在 Amazon ML 主控台中預估預測的成本。

如需 Amazon ML 定價的詳細資訊，請參閱 Amazon Machine Learning 定價。

估計批次預測成本

當您使用建立批次預測精靈從 Amazon ML 模型請求批次預測時，Amazon ML 會估計這些預測的成本。計算估計的方法會依可用的資料類型而有所不同。

當資料統計資料可用時估計批次預測成本

當 Amazon ML 已計算用於請求預測之資料來源的摘要統計資料時，即可取得最準確的成本估算。這些統計資料一律會針對使用 Amazon ML 主控台建立的資料來源進行計算。API 使用者使用 CreateDataSourceFromS3、CreateDataSourceFromRedshift 或 CreateDataSourceFromRDS API 以程式設計方式建立資料來源True時，必須將ComputeStatistics旗標設定為 。 APIs 資料來源必須在 READY 狀態，統計資料才可供使用。

Amazon ML 運算的其中一個統計資料是資料記錄的數量。當資料記錄的數量可用時，Amazon ML Create Batch Prediction Wizard 會將資料記錄的數量乘以批次預測的費用，來估計預測的數量。

您的實際成本可能會與此預估不同，原因如下：

只有資料大小可用時估計批次預測成本

當您請求批次預測，且請求資料來源的資料統計資料無法使用時，Amazon ML 會根據下列項目估算成本：

為了估算批次預測的成本，Amazon ML 會將總資料大小除以平均資料記錄大小。這種成本預測方法的精確度比資料記錄數量可用時來得低，因為您的資料檔案的第一筆記錄可能無法正確代表平均記錄大小。

當資料統計資料和資料大小都不可用時估計批次預測成本

當資料統計資料或資料大小都無法使用時，Amazon ML 無法估計批次預測的成本。當您用於請求批次預測的資料來源尚未經過 Amazon ML 驗證時，通常會發生這種情況。當您建立的資料來源是以 Amazon Redshift (Amazon Redshift) 或 Amazon Relational Database Service (Amazon RDS) 查詢為基礎，且資料傳輸尚未完成，或資料來源建立排入您帳戶中其他操作的佇列時，就會發生這種情況。在此情況下，Amazon ML 主控台會通知您批次預測的費用。您可以選擇在沒有預估的情形下繼續執行批次預測請求，或取消精靈並在用於預測的資料來源位於 INPROGRESS 或 READY 狀態時再返回這裡。

估計即時預測成本

當您使用 Amazon ML 主控台建立即時預測端點時，將會顯示預估預留容量費用，這是保留端點以進行預測處理的持續費用。此費用根據模型的大小而異，如服務定價頁面所述。您也會收到標準 Amazon ML 即時預測費用的通知。