Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Bei der ML-gestützten Anomalieerkennungsberechnung werden Ihre Daten nach Anomalien durchsucht. Sie können beispielsweise die drei oberen Ausreißer für den Gesamtumsatz am 03. Januar 2019 ermitteln. Wenn Sie die Beitragsanalyse aktivieren, können Sie auch die Hauptfaktoren für jeden Ausreißer ermitteln.
Um diese Funktion nutzen zu können, benötigen Sie mindestens eine Dimension im Feldbereich Zeit, mindestens einen Messwert im Feldbereich Werte und mindestens eine Dimension im Feldbereich Kategorien. Der Konfigurationsbildschirm bietet die Möglichkeit, den Beitrag anderer Felder als Hauptfaktoren zu analysieren, selbst wenn diese Felder nicht in den Feldbereichen liegen.
Weitere Informationen finden Sie unter Erkennen von Ausreißern mit ML-gestützter Anomalieerkennung.
Anmerkung
Es ist nicht möglich, einer anderen Berechnung eine ML-gestützte Anomalieerkennung hinzuzufügen, und Sie können einer Anomalieerkennung keine andere Berechnung hinzufügen.
Berechnungsaugaben
Jede Funktion generiert eine Reihe von Ausgabeparametern. Sie können die Anzeige anpassen, indem Sie diese Ausgaben zum Autonarrativ hinzufügen. Sie können auch Ihren eigenen, benutzerdefinierten Text hinzufügen.
Um die Ausgabeparameter zu suchen, öffnen Sie die Registerkarte Computations (Berechnungen) auf der rechten Seite und suchen Sie die Berechnung, die Sie verwenden möchten. Die Namen der Berechnungen stammen aus dem Namen, den Sie beim Erstellen der Insights bereitstellen. Wählen Sie den Ausgabeparameter, indem Sie einmal darauf klicken. Wenn Sie zweimal klicken, fügen Sie dieselbe Ausgabe zweimal hinzu. Sie können Elemente verwenden, die im bold monospace font Folgenden in der Beschreibung angezeigt werden.
-
timeField– aus dem Feldbereich Time (Zeit).-
name– der formatierte Anzeigename des Felds -
timeGranularity– die Granularität im Zeitfeld (DAY (TAG), YEAR (JAHR) usw.)
-
-
categoryFields– aus dem Feldbereich Categories (Kategorien)-
name– der formatierte Anzeigename des Felds
-
-
metricField– aus dem Feldbereich Values (Werte)-
name– der formatierte Anzeigename des Felds -
aggregationFunction– die für die Metrik verwendete Aggregation (SUM (SUMME), AVG (DURCHSCHNITT) usw.)
-
-
itemsCount– die Anzahl der Elemente in dieser Berechnung -
items– anomale Elemente-
timeValue– die Werte in der Datumsdimensionvalue– das Feld Datum/Uhrzeit an dem Punkt der Anomalie (des Ausreißers)formattedValue– der formatierte Wert im Feld Datum/Uhrzeit an dem Punkt der Anomalie
-
categoryName– der tatsächliche Name der Kategorie (cat1, cat2 usw.) -
direction– Die Richtung auf der X- oder Y-Achse, die als anomal identifiziert wurde:HIGHoderLOW.HIGHbedeutet „höher als erwartet“.LOWbedeutet „niedriger als erwartet“.AnomalyDetection.items[index].directionkann beim Iterieren von Elementen entwederHIGHoderLOWenthalten. Zum BeispielAnomalyDetection.items[index].direction='HIGH'oderAnomalyDetection.items[index].direction=LOW.AnomalyDetection.directionkann eine leere Zeichenfolge fürALLhaben. Ein Beispiel istAnomalyDetection.direction=''. -
actualValue– der tatsächliche Wert der Metrik an dem Punkt der Anomalie oder des Ausreißersvalue– der RohwertformattedValue– der vom Metrikfeld formatierte Wert.formattedAbsoluteValue– der vom Metrikfeld formatierte absolute Wert
-
expectedValue– der erwartete Wert der Metrik an dem Punkt der Anomalie (des Ausreißers)value– der RohwertformattedValue– der vom Metrikfeld formatierte Wert.formattedAbsoluteValue– der vom Metrikfeld formatierte absolute Wert
-
