针对异常值的 ML 支持的异常检测
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。
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– 异常发生点的日期/时间字段中的格式化值。
-
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。
-