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。

# 採用 ML 技術的異常偵測極端值
<a name="anomaly-detection-function"></a>

採用 ML 技術的異常偵測運算會搜尋您的資料是否出現極端值。例如，您可以偵測 2019 年 1 月 3 日總銷售的前三項極端值。若啟用貢獻分析，您也可以偵測每個極端值的主要驅動因素。

若要使用此函數，您在 **Time (時間)** 欄位集至少需要有一個維度，在 **Values (值)** 欄位集至少需要一個量值，在 **Categories (類別)** 欄位集至少需要有一個維度。組態畫面提供了一個選項來分析促成主要驅動因素的其他欄位，即使這些欄位不在欄位集中也無妨。

如需詳細資訊，請參閱[透過採用 ML 技術的異常偵測來偵測極端值](anomaly-detection.md)。

**注意**  
您無法將採用 ML 技術的異常偵測新增至另一個運算，而且也無法將另一個運算新增至異常偵測。

## 運算輸出
<a name="anomaly-detection-computation-outputs"></a>

每個函數會產生一組輸出參數。您可以將這些輸出新增到自動敘述以自訂其顯示內容。您也可以新增自己的自訂文字。

若要尋找輸出參數，請開啟右側的**運算**標籤，並找出您想要使用的運算。運算的名稱是來自您建立洞見時所提供的名稱。選擇輸出參數 (僅按一下即可)。如果您按了兩下，您將新增兩次相同的輸出。您可以在敘述中後續使用 **`bold monospace font`** 中顯示的項目。
+ `timeField`：為**時間**欄位集。
  + `name`：欄位的格式化顯示名稱。
  + `timeGranularity`：時間欄位精細程度 (**DAY**、**YEAR** 等)。
+ `categoryFields`：為**分類**欄位集。
  + `name`：欄位的格式化顯示名稱。
+ `metricField`：為**數值**欄位集。
  + `name`：欄位的格式化顯示名稱。
  + `aggregationFunction`：用於指標 (**SUM**、**AVG** 等) 的彙總。
+ `itemsCount`：此運算中包含的項目數量。
+ `items`：異常項目。
  + `timeValue`：日期維度中的值。
    + `value`：異常點 (極端值) 的日期/時間欄位。
    + `formattedValue`：異常點日期/時間欄位中的格式化值。
  + `categoryName`：類別的實際名稱 (cat1、cat2 等)。
  + `direction`：識別為異常的 x 軸或 y 軸方向：`HIGH` 或 `LOW`。`HIGH` 表示「高於預期」。`LOW`表示「低於預期」。

    逐一查看項目時，`AnomalyDetection.items[index].direction` 可以包含 `HIGH` 或 `LOW`。例如，`AnomalyDetection.items[index].direction='HIGH'` 或 `AnomalyDetection.items[index].direction=LOW`。`AnomalyDetection.direction` 針對 `ALL` 可以有一個空字串。例如，`AnomalyDetection.direction=''`。
  + `actualValue`：異常點或極端值的指標實際值。
    + `value`：原始值。
    + `formattedValue`：由指標欄位格式化的值。
    + `formattedAbsoluteValue`：由指標欄位格式化的絕對值。
  + `expectedValue`：異常點 (極端值) 的指標預期值。
    + `value`：原始值。
    + `formattedValue`：由指標欄位格式化的值。
    + `formattedAbsoluteValue`：由指標欄位格式化的絕對值。