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。

# 透過採用 ML 的異常偵測和貢獻分析來探索極端值和主要驅動因素
<a name="anomaly-exploring"></a>

您可以互動方式探索分析中的異常 (也稱為極端值)，以及貢獻因子 (主要驅動因素)。在採用 ML 技術的異常偵測執行之後，即可開始探索分析。您在此畫面中所做的變更不會在您返回分析時儲存。

首先，在洞見中選擇**探索異常狀況**。以下螢幕擷取畫面顯示了首次開啟時出現的「異常」畫面。此範例設定了貢獻因子分析並顯示了兩個主要驅動因素。

![\[顯示貢獻因子的異常分析。\]](http://docs.aws.amazon.com/zh_tw/quick/latest/userguide/images/anomaly-exploration-v2.png)


畫面的各個區段包括 (從左上到右下)：
+ **貢獻因子**顯示主要驅動因素。若要查看此區段，您需要在異常組態中設定貢獻因子。
+ **控制項**包含異常探索的設定。
+ **異常數量**顯示一段時間內偵測到的極端值。您可以隱藏或顯示此圖表區段。
+ 類別或維度欄位的**欄位名稱**充當顯示每個類別或維度異常的圖表標題。

以下區段提供了探索異常各個方面的詳細資訊。

**Topics**
+ [探討貢獻因子 (主要驅動因素)](exploring-anomalies-key-drivers.md)
+ [設定異常偵測控制項](exploring-anomalies-controls.md)
+ [按日期顯示和隱藏異常](exploring-anomalies-by-date.md)
+ [探索每個類別或維度的異常](exploring-anomalies-per-category-or-dimension.md)