Free Tier
每个月提取 10 万条指标记录，检索 100 万条指标记录（通过 API），并存储 10 万条指标记录。前 6 个月内可使用 Free Tier。
分析和比较机器学习训练迭代以选择性能最佳的模型
SageMaker Experiments 是一项托管服务，用于大规模跟踪和分析机器学习实验。
记录在任何 IDE 中进行的实验
在多种环境中进行机器学习实验，例如本地笔记本电脑和 IDE、在云中运行的训练代码或云中的托管 IDE，例如 SageMaker Studio。使用 SageMaker Experiments，您只需使用几行对数据科学家友好的 Python 代码，即可从任何环境或 IDE 开始集中跟踪实验。
集中管理机器学习实验元数据
开发机器学习模型的过程包括试验各种数据、算法和参数组合，同时评估增量变化对模型性能的影响。使用 SageMaker Experiments，您可以跟踪机器学习迭代，并将指标、参数和构件等所有相关元数据自动保存在中心位置。
评估实验
需要分析和比较模型性能，才能从多次迭代中找到最佳模型。SageMaker Experiments 提供散点图、条形图和直方图等可视化内容。此外，SageMaker Experiments SDK 让您可以将记录的数据加载到笔记本电脑中进行离线分析。
协作构建模型
数据科学项目成功的关键是在组织内部形成以团队为中心的协作。 SageMaker Experiments 与 SageMaker Studio 集成，使团队成员能够访问相同的信息并确认实验结果是一致的，从而简化协作。使用 SageMaker Studio 的搜索功能快速查找过去的相关实验。
重现并审核机器学习实验
当模型的性能发生改变时，您需要了解变化的根本原因。有时您会希望记录模型开发过程，以便重现和轻松测试该过程。使用 Sagemaker Experiments，您可以访问和重现您跟踪的实验中的机器学习工作流程。
