我們不再更新 Amazon Machine Learning 服務或接受新使用者。本文件適用於現有使用者，但我們不再對其進行更新。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，您只需按實際用量付費。沒有最低費用，也沒有前期承諾。

Amazon Machine Learning (Amazon ML) 對於用來計算資料統計資料以及訓練和評估模型的運算時間以每小時費率計費，您還要為應用程式所產生的預測數付費。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 估計的成本僅用於預測的成本Amazon ML 主控台。

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

估計批次預測成本

當您使用 Create Batch Pre慣 (建立批次預測) 精靈向請求批次預測，Amazon ML 會估算這些預測的成本。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 已對用來請求預測的資料來源計算摘要統計資料，此時可取得最準確的成本預估。這些統計資料一律針對使用 Amazon ML 主控台建立的資料來源而計算。API 用户必須設置ComputeStatistics旗標True以編程方式創建數據源時使用CreateDataSourceFromS3、CreateDataSourceFromRedshift，或CreateDataSourceFromRDSAPI。資料來源必須在 READY 狀態，統計資料才可供使用。

Amazon ML 算出的其中一個統計資料是資料記錄的數量。當資料記錄數量可供使用時，Amazon ML Batch 次預測嚮導會將資料記錄數乘以批量預測費用。

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

當您請求批次預測但請求資料來源的資料統計資料不可用，Amazon ML 會根據下列項目估計成本：

為了估計批次預測的成本，Amazon ML 將資料總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

當資料統計資料和資料大小都不可用時，Amazon ML 將無法估計批次預測的成本。當您用來請求批次預測的資料來源尚未透過 Amazon ML 驗證，通常就是這種情況。這可能發生在您已根據 Amazon Redshift (Amazon Redshift) 或 Amazon RDS (Amazon RDS) 查詢建立資 Amazon Relational Database Service 來源，而資料傳輸尚未完成，或是當資料來源建立排入佇列，晚於您帳户中的其他操作。在這種情況下，Amazon ML 主控台會通知您有關批次預測的費用。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，系統會顯示估計的預留容量費用，這是保留端點以用於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。