Nach reiflicher Überlegung haben wir uns entschieden, Amazon Kinesis Data Analytics für SQL-Anwendungen einzustellen:

1. Ab dem **1. September 2025** werden wir keine Bugfixes für Amazon Kinesis Data Analytics for SQL-Anwendungen bereitstellen, da wir aufgrund der bevorstehenden Einstellung nur eingeschränkten Support dafür haben werden.

2. Ab dem **15. Oktober 2025** können Sie keine neuen Kinesis Data Analytics for SQL-Anwendungen mehr erstellen.

3. Wir werden Ihre Anwendungen ab dem **27. Januar 2026** löschen. Sie können Ihre Amazon Kinesis Data Analytics for SQL-Anwendungen nicht starten oder betreiben. Ab diesem Zeitpunkt ist kein Support mehr für Amazon Kinesis Data Analytics for SQL verfügbar. Weitere Informationen finden Sie unter [Einstellung von Amazon Kinesis Data Analytics für SQL-Anwendungen](discontinuation.md).

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

# Schritt 3: Untersuchen der Ergebnisse
<a name="examine-results-with-exp"></a>

Wenn Sie den SQL-Code für dieses [Beispiel](app-anomaly-detection-with-explanation.md) ausführen, werden zuerst Zeilen mit einer Anomaliebewertung gleich null angezeigt. Dies geschieht während des anfänglichen Lernens. Danach sollten die Ergebnisse wie folgt aussehen:

```
ROWTIME SYSTOLIC DIASTOLIC BLOODPRESSURELEVEL ANOMALY_SCORE ANOMALY_EXPLANATION
27:49.0	101      66        NORMAL             0.711460417   {"Systolic":{"DIRECTION":"LOW","STRENGTH":"0.0922","ATTRIBUTION_SCORE":"0.3792"},"Diastolic":{"DIRECTION":"HIGH","STRENGTH":"0.0210","ATTRIBUTION_SCORE":"0.3323"}}
27:50.0	144      123       HIGH               3.855851061   {"Systolic":{"DIRECTION":"HIGH","STRENGTH":"0.8567","ATTRIBUTION_SCORE":"1.7447"},"Diastolic":{"DIRECTION":"HIGH","STRENGTH":"7.0982","ATTRIBUTION_SCORE":"2.1111"}}
27:50.0	113      69        NORMAL             0.740069409   {"Systolic":{"DIRECTION":"LOW","STRENGTH":"0.0549","ATTRIBUTION_SCORE":"0.3750"},"Diastolic":{"DIRECTION":"LOW","STRENGTH":"0.0394","ATTRIBUTION_SCORE":"0.3650"}}
27:50.0	105      64        NORMAL             0.739644157   {"Systolic":{"DIRECTION":"HIGH","STRENGTH":"0.0245","ATTRIBUTION_SCORE":"0.3667"},"Diastolic":{"DIRECTION":"LOW","STRENGTH":"0.0524","ATTRIBUTION_SCORE":"0.3729"}}
27:50.0	100      65        NORMAL             0.736993425   {"Systolic":{"DIRECTION":"HIGH","STRENGTH":"0.0203","ATTRIBUTION_SCORE":"0.3516"},"Diastolic":{"DIRECTION":"LOW","STRENGTH":"0.0454","ATTRIBUTION_SCORE":"0.3854"}}
27:50.0	108      69        NORMAL             0.733767202   {"Systolic":{"DIRECTION":"LOW","STRENGTH":"0.0974","ATTRIBUTION_SCORE":"0.3961"},"Diastolic":{"DIRECTION":"LOW","STRENGTH":"0.0189","ATTRIBUTION_SCORE":"0.3377"}}
```
+ Der Algorithmus in der Funktion `RANDOM_CUT_FOREST_WITH_EXPLANATION` erkennt, dass die Spalten `Systolic` und `Diastolic` numerisch sind und nutzt sie als Eingabe.
+ Da sich in der Spalte `BloodPressureLevel` Text befindet, wird sie vom Algorithmus nicht berücksichtigt. Diese Spalte ist dient nur als visuelle Hilfe, sodass sie normalen, hohen und niedrigen Blutdruckwerte in diesem Beispiel schnell zu erkennen sind.
+ In der Spalte `ANOMALY_SCORE` sind Datensätze mit höherer Bewertung anormal. Der zweite Datensatz in diesem Beispiel-Ergebnissatz ist mit einer Anomaliebewertung von 3,855851061 am meisten anormal.
+ Um zu verstehen, wie stark jede der numerischen Spalten, die vom Algorithmus berücksichtigt wird, zur Anomaliebewertung beiträgt, nehmen Sie auf das JSON-Feld mit dem Namen `ATTRIBUTION_SCORE` in der Spalte `ANOMALY_SCORE` Bezug. Im Falle der zweiten Zeile in dieser Gruppe von Beispielergebnissen tragen die Spalten `Systolic` und `Diastolic` im Verhältnis von 1,7447:2,1111 zur Anomalie bei. Anders ausgedrückt lässt sich die Begründung der Anomaliebewertung zu 45 Prozent auf den systolischen Wert zurückführen. Der verbleibende Beitrag ist im diastolischen Wert begründet.
+ Anhand des JSON-Feldes mit dem Namen `DIRECTION` können Sie bestimmen, in welcher Richtung der durch die zweite Zeile in diesem Beispiel dargestellte Punkt anormal ist. In diesem Fall sind sowohl der diastolische als auch der systolische Wert beide als `HIGH` gekennzeichnet. Dem JSON-Feld mit dem Namen `STRENGTH` können Sie entnehmen, mit welcher Wahrscheinlichkeit diese Richtungen richtig sind. In diesem Beispiel findet der Algorithmus es wahrscheinlicher, dass der diastolische Wert hoch ist. Tatsächlich liegt der normale Wert der diastolischen Messung gewöhnlich bei 60-80 und ein Wert von 123 ist viel höher als erwartet.