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
<a name="anomaly-detection-adding-key-drivers"></a>

Amazon Quick Sight 可以識別造成兩個時間點之間量值 （指標） 極端值的維度 （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。異常偵測的洞見需要包含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**

1. 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。

1. 從視覺化效果的選單中選擇**選單選項** (**…**)。

1. 選擇**設定異常**以編輯設定。

1. **貢獻分析 （選用）** 設定可讓 Amazon Quick Sight 在偵測到極端值 （異常） 時分析關鍵驅動因素。例如，Amazon Quick Sight 可以向您展示導致家庭改善產品在美國銷售遽增的主要客戶。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。如果您停用所有項目，Quick Sight 將不會執行此洞見中的任何貢獻分析。

1. 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**。