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.
Was ist der Unterschied zwischen Anomalieerkennung und Prognosen?
Bei der Erkennung von Anomalien werden Ausreißer und deren Einflussfaktoren identifiziert, um die Frage zu beantworten: „Was ist passiert, was normalerweise nicht passiert?“ Prognosen beantworten die Frage: "Wenn alles weiterhin wie erwartet passiert, was geschieht in der Zukunft?" Die Berechnung, die Prognosen erlaubt, ermöglicht uns zu fragen "Wenn sich einige Dinge ändern, was geschieht dann?"
Sowohl die Erkennung von Anomalien als auch die Prognose beginnen mit der Untersuchung der aktuell bekannten Datenpunkte. Die QuickSight Amazon-Anomalieerkennung beginnt mit dem, was bekannt ist, sodass festgestellt werden kann, was außerhalb des bekannten Datensatzes liegt, und diese Datenpunkte als anomal (Ausreißer) identifizieren. Die QuickSight Prognosen von Amazon schließen die anomalen Datenpunkte aus und halten sich an das bekannte Muster. Prognosen konzentrieren sich auf das etablierte Muster der Datenverteilung. Im Gegensatz dazu konzentriert sich Anomalieerkennung auf die Datenpunkte, die von dem abweichen, was erwartet wird. Jede Methode geht die Entscheidungsfindung aus einer anderen Richtung an.
