本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 针对异常值的 ML 支持的异常检测
针对异常值的异常检测

ML 支持的异常检测计算搜索您的数据以查找异常值。例如，您可以检测 2019 年 1 月 3 日总销售额的前三个异常值。如果启用贡献分析，您还可以检测每个异常值的关键驱动因素。

要使用该函数，您需要在 **Time (时间)** 字段井中具有至少一个维度，在 **Values (值)** 字段井中具有至少一个度量，并在 **Categories (类别)** 字段井中具有至少一个维度。配置屏幕提供了一个选项，用于分析其他字段作为关键驱动因素的贡献，即使这些字段不在字段井中。

有关更多信息，请参阅 [通过 ML 支持的异常检测功能检测异常值](anomaly-detection.md)。

**注意**  
不能将 ML 支持的异常检测添加到其他计算中，也不能将其他计算添加到异常检测中。

## 计算输出


每个函数都会生成一组输出参数。您可以将这些输出添加到自动叙述以自定义它显示的内容。您也可以添加自己的自定义文本。

要找到输出参数，请打开右侧的 **Computations (计算)** 选项卡并找到您要使用的计算。计算的名称来自您创建见解时提供的名称。请通过只单击一次来选择输出参数。如果您单击两次，您将两次添加相同的输出。您可以使用显示在叙述后面的 **`bold monospace font`** 中的项目。
+ `timeField` – 来自**时间**字段井。
  + `name` – 字段的格式化的显示名称。
  + `timeGranularity` – 时间字段粒度（**DAY**、**YEAR** 等等）。
+ `categoryFields` – 来自**类别**字段井。
  + `name` – 字段的格式化的显示名称。
+ `metricField` – 来自**值**字段井。
  + `name` – 字段的格式化的显示名称。
  + `aggregationFunction` – 用于指标的聚合（**SUM**、**AVG** 等等）。
+ `itemsCount` – 此计算中包含的项目数。
+ `items` – 异常项目。
  + `timeValue` – 日期维度中的值。
    + `value` – 异常（异常值）发生点的日期/时间字段。
    + `formattedValue`— 异常时 date/time 字段中的格式化值。
  + `categoryName` – 类别的实际名称（cat1、cat2 等等）。
  + `direction` – x 轴或 y 轴上标识为异常的方向：`HIGH` 或 `LOW`。`HIGH` 表示“高于预期”。`LOW`表示“低于预期”。

    迭代项目时，`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` 可以有一个 `ALL` 的空字符串。例如，`AnomalyDetection.direction=''`。
  + `actualValue` – 异常或异常值发生点处指标的实际值。
    + `value` – 原始值。
    + `formattedValue` – 指标字段格式化的值。
    + `formattedAbsoluteValue` – 指标字段格式化的绝对值。
  + `expectedValue` – 异常（异常值）发生点处指标的预期值。
    + `value` – 原始值。
    + `formattedValue` – 指标字段格式化的值。
    + `formattedAbsoluteValue` – 指标字段格式化的绝对值。