我們不再更新 Amazon Machine Learning 服務或接受新使用者。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](https://docs.aws.amazon.com/machine-learning/latest/dg/what-is-amazon-machine-learning.html)。
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 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) 會針對用於運算資料統計資料和訓練和評估模型的運算時間收取每小時費率，然後您支付為應用程式產生的預測數量。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](https://console.aws.amazon.com/machinelearning/)中預估預測的成本。
如需 Amazon ML 定價的詳細資訊，請參閱 [https://aws.amazon.com/machine-learning/pricing/](https://aws.amazon.com/machine-learning/pricing/)。
**Topics**
+ [估計批次預測成本](#w2aab7c20c14)
+ [估計即時預測成本](#w2aab7c20c16)
## 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 會預估這些預測的成本。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，會取得最準確的成本估算。對於使用 Amazon ML 主控台建立的資料來源，一律會計算這些統計資料。API 使用者使用 [CreateDataSourceFromS3](https://docs.aws.amazon.com/machine-learning/latest/APIReference/API_CreateDataSourceFromS3.html)、[CreateDataSourceFromRedshift](https://docs.aws.amazon.com/machine-learning/latest/APIReference/API_CreateDataSourceFromRedshift.html) 或 [CreateDataSourceFromRDS](https://docs.aws.amazon.com/machine-learning/latest/APIReference/API_CreateDataSourceFromRDS.html) 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 精靈會將資料記錄的數量乘以[批次預測的費用來估計預測](https://aws.amazon.com/machine-learning/pricing/)的數量。
您的實際成本可能會與此預估不同，原因如下：
+ 有些資料記錄可能無法處理。您不必支付來自失敗資料記錄的預測。
+ 估計不會考慮既有的點數或 AWS 套用的其他調整。
![\[Batch prediction results page showing estimated cost, ML fee, and S3 destination input.\]](http://docs.aws.amazon.com/zh_tw/machine-learning/latest/dg/images/image59b.png)
### 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不可用時，Amazon ML 會根據下列項目估算成本：
+ 在資料來源驗證期間計算和保留的總資料大小
+ Amazon ML 透過讀取和剖析資料檔案的前 100 MB 來預估的平均資料記錄大小
為了估計批次預測的成本，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。當您建立以 Amazon Redshift (Amazon Redshift) 或 Amazon Relational Database Service (Amazon RDS) 查詢為基礎的資料來源，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](https://aws.amazon.com/machine-learning/pricing/)所述。您也會收到標準 Amazon ML 即時預測費用的通知。
![\[Dialog box for creating a real-time endpoint with model details and pricing information.\]](http://docs.aws.amazon.com/zh_tw/machine-learning/latest/dg/images/image60b.png)