Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Rilevamento delle anomalie con il machine learning per gli outlier
Il calcolo del rilevamento delle anomalie con tecnologia Machine Learning cerca gli outlier nei dati. Ad esempio, puoi rilevare i primi tre outlier per le vendite totali il 3 gennaio 2019. Se si abilita l'analisi dei fattori determinanti, è anche possibile rilevare i fattori chiave per ogni outlier.
Per utilizzare questa funzione, è necessario disporre di almeno una dimensione nel contenitore di campi Time (Orario), di almeno una misura nel contenitore di campi Values (Valori) e di almeno una dimensione nel contenitore di campi Categories (Categorie). La schermata di configurazione fornisce un'opzione per analizzare i fattori determinanti di altri campi come i fattori chiave, anche se tali campi non si trovano nei contenitori di campi.
Per ulteriori informazioni, consulta Rilevamento di outlier con il rilevamento delle anomalie con il machine learning.
Nota
Non puoi aggiungere il rilevamento delle anomalie con tecnologia Machine Learning a un altro calcolo e non puoi aggiungere un altro calcolo a un rilevamento delle anomalie.
Output del calcolo
Ogni funzione genera un set di parametri di output. È possibile aggiungere questi output all'autonarrativa per personalizzare ciò che viene visualizzato. È anche possibile aggiungere un testo personalizzato.
Per individuare i parametri di output, aprire la scheda Computations (Calcoli) a destra e individuare il calcolo che si desidera utilizzare. I nomi delle operazioni di calcolo provengono dal nome che è stato indicato al momento della creazione delle informazioni dettagliate. Scegli il parametro di output facendo clic su di esso solo una volta. Se si fa clic due volte, è possibile aggiungere lo stesso output due volte. È possibile utilizzare gli elementi visualizzati in bold monospace font dopo la descrizione.
-
timeField: dal contenitore di campi Ora.-
name: il nome della visualizzazione formattato del campo. -
timeGranularity— La granularità del campo temporale (DAYYEAR, e così via).
-
-
categoryFields: dal contenitore di campi Categorie.-
name: il nome della visualizzazione formattato del campo.
-
-
metricField: dal contenitore di campi Valori.-
name: il nome della visualizzazione formattato del campo. -
aggregationFunction— L'aggregazione utilizzata per la metrica (SUMAVG, e così via).
-
-
itemsCount: il numero di elementi inclusi in questo calcolo. -
items: elementi anomali.-
timeValue: i valori nella dimensione data.value: il campo data/ora in corrispondenza del punto di anomalia (outlier).formattedValue: il valore formattato nel campo data/ora in corrispondenza del punto di anomalia.
-
categoryName: il nome della categoria (cat1, cat2 e così via). -
direction: la direzione sull'asse x o sull'asse y identificata come anomala:HIGHoLOW.HIGHsignifica "più alto del previsto".LOWsignifica "più basso del previsto".Quando si esegue un'iterazione sugli elementi,
AnomalyDetection.items[index].directionpuò contenereHIGHoLOW. Ad esempio,AnomalyDetection.items[index].direction='HIGH'oAnomalyDetection.items[index].direction=LOW.AnomalyDetection.directionpuò avere una stringa vuota perALL. Un esempio èAnomalyDetection.direction=''. -
actualValue: il valore effettivo del parametro in corrispondenza del punto di anomalia o outlier.value: il valore non elaborato.formattedValue: il valore formattato dal campo del parametro.formattedAbsoluteValue: il valore assoluto formattato dal campo del parametro.
-
expectedValue: il valore previsto del parametro in corrispondenza del punto di anomalia o outlier.value: il valore non elaborato.formattedValue: il valore formattato dal campo del parametro.formattedAbsoluteValue: il valore assoluto formattato dal campo del parametro.
-
