Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

# Revise los resultados de la inferencia
<a name="reviewing-inference-results"></a>

## Recupere los resultados de la inferencia
<a name="retrieving-inference-results"></a>

### Resultados de inferencia más recientes
<a name="get-latest-inference-results"></a>

Ejecute el siguiente comando para obtener el resultado de inferencia más reciente de una propiedad de activo. Para obtener más información, consulte la [ get-asset-property-value](https://docs.aws.amazon.com/cli/latest/reference/iotsitewise/get-asset-property-value.html)Guía de *referencia de AWS CLI comandos*.

```
aws iotsitewise get-asset-property-value \
    —asset-id asset-id \
    —property-id result-property-id
```

### Historial de resultados de inferencias
<a name="get-inference-results-history"></a>

Ejecute el siguiente comando para obtener el historial de los resultados de la inferencia para un período de tiempo específico. Para obtener más información, consulte [ get-asset-property-value-history en la Guía](https://docs.aws.amazon.com/cli/latest/reference/iotsitewise/get-asset-property-value-history.html) de referencia de *AWS CLI comandos*.

```
aws iotsitewise get-asset-property-value-history \
    —asset-id asset-id \
    —property-id result-property-id \
    —start-date start-time \
    —end-date end-time
```

### Ejemplo de respuesta
<a name="example-response"></a>

**Example de una respuesta al resultado de una inferencia:**  

```
{
  "value": {
    "stringValue": "{\"timestamp\": \"2025-02-10T22:42:00.000000\", \"prediction\": 0, \"prediction_reason\": \"NO_ANOMALY_DETECTED\", \"diagnostics\": [{\"name\": \"asset-id\\\\property-id\", \"value\": 0.53528}]}"
  },
  "timestamp": {
    "timeInSeconds": 1739227320,
    "offsetInNanos": 0
  },
  "quality": "GOOD"
}
```

### Campos de respuesta
<a name="response-fields"></a>
+ **value.stringValue**: cadena JSON que contiene el resultado de la inferencia con los siguientes campos:
  + **timestamp**: marca temporal del TQV con el que se realiza la inferencia.
  + **predicción**: el resultado de la predicción (0 para que no se detecte ninguna anomalía, 1 para la anomalía detectada).
  + **prediction\$1reason: el motivo** de la predicción (o). `NO_ANOMALY_DETECTED` `ANOMALY_DETECTED`
  + **diagnóstico**: conjunto de información de diagnóstico que muestra los factores que contribuyen a ello.
+ **marca temporal: marca** temporal en la que se registra el resultado. AWS IoT SiteWise
+ **calidad**: la calidad del punto de datos (normalmente). `GOOD`

## Comprenda los resultados de las inferencias
<a name="understanding-inference-results"></a>

El resultado de una inferencia devuelto por la detección de AWS IoT SiteWise anomalías incluye información clave sobre la predicción del modelo en un momento específico, como si se detectó una anomalía y qué sensores contribuyeron a la anomalía.

**Example de un resultado de inferencia detallado:**  

```
{
    "timestamp": "2021-03-11T22:25:00.000000",
    "prediction": 1,
    "prediction_reason": "ANOMALY_DETECTED",
    "anomaly_score": 0.72385,
    "diagnostics": [
      { "name": "asset_id_1\\\\property_id_1", "value": 0.02346 },
      { "name": "asset_id_2\\\\property_id_2", "value": 0.10011 },
      { "name": "asset_id_3\\\\property_id_3", "value": 0.11162 }
    ]
}
```

El `diagnostics` campo es útil para interpretar *por qué* el modelo hace una predicción determinada. Cada entrada de la lista incluye:
+ `name`: El sensor que contribuyó a la predicción (formato:`asset_id\\\\property_id`).
+ `value`: Un número de punto flotante entre 0 y 1, que representa el **peso o la importancia relativos** de ese sensor en ese momento.

Ventajas para el usuario:
+ Comprenda qué sensores tuvieron el mayor impacto en una anomalía.
+ Correlaciona los sensores de alto peso con el comportamiento del equipo físico.
+ Infórmese sobre el análisis de la causa raíz.

**nota**  
Incluso cuando `prediction = 0` (comportamiento normal), se devuelve la lista de diagnósticos. Esto ayuda a evaluar qué sensores influyen actualmente en las decisiones del modelo, incluso en estados saludables.