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。
使用主要驅動因素的貢獻分析
Amazon QuickSight 可以識別造成兩個時間點之間量值 （指標） 異常值的維度 （類別）。導致極端值的主要驅動因素可協助您找到導致異常的原因。
如果您已經在使用異常偵測但沒有使用貢獻分析，則可以啟用現有的 ML 洞見來尋找主要驅動因素。透過以下程序新增貢獻分析，並識別造成極端值的主要驅動因素。您的異常偵測洞察需要包含一個時間欄位和至少一個彙總指標 （SUM、 AVERAGE或 COUNT）。您可以包含多個類別 (維度欄位)，也可以在不指定任何類別或維度欄位的情況下執行貢獻分析。
您還可以透過此程序變更或移除異常偵測中作為主要驅動因素的欄位。
新增貢獻分析以識別主要驅動因素
-
開啟分析並找到一個用於異常偵測的現有 ML 洞見。選取相應的洞見小工具以讓它反白顯示。
-
從視覺化效果的選單中選擇選單選項 (…)。
-
選擇設定異常以編輯設定。
-
貢獻分析 （選用） 設定可讓 Amazon 在偵測到異常值 （異常） 時 QuickSight 分析關鍵驅動因素。例如，Amazon QuickSight 可以向您展示導致美國家庭改善產品銷售額飆升的頂級客戶。您最多可以從資料集新增四個維度，包括未新增至此洞見小工具的欄位集的維度。
若要檢視可供貢獻分析的維度清單，請選擇 Select fields (選取欄位)。
若要變更用作主要驅動因素的欄位，請變更此清單中啟用的欄位。如果您停用所有這些項目， QuickSight 將不會在此洞察中執行任何貢獻分析。
-
若要儲存變更，請捲動至組態選項底部，然後選擇儲存。若要退出而不儲存，請選擇取消。若要完全移除這些設定，請選擇刪除。
