Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Tinjau hasil inferensi
<a name="reviewing-inference-results"></a>

## Ambil hasil inferensi
<a name="retrieving-inference-results"></a>

### Hasil inferensi terbaru
<a name="get-latest-inference-results"></a>

Jalankan perintah berikut untuk mengambil hasil inferensi terbaru untuk properti aset. Untuk informasi selengkapnya, lihat [ get-asset-property-value](https://docs.aws.amazon.com/cli/latest/reference/iotsitewise/get-asset-property-value.html)di *Panduan Referensi AWS CLI Perintah*.

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

### Riwayat hasil inferensi
<a name="get-inference-results-history"></a>

Jalankan perintah berikut untuk mengambil riwayat hasil inferensi untuk jendela waktu tertentu. Untuk informasi selengkapnya, lihat [ get-asset-property-value-history](https://docs.aws.amazon.com/cli/latest/reference/iotsitewise/get-asset-property-value-history.html) di *Panduan Referensi AWS CLI Perintah*.

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

### Contoh tanggapan
<a name="example-response"></a>

**Example dari respons hasil inferensi:**  

```
{
  "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"
}
```

### Bidang respons
<a name="response-fields"></a>
+ **Value.stringValue** - Sebuah string JSON yang berisi hasil inferensi dengan bidang-bidang berikut:
  + **stempel waktu** — Stempel waktu TQV tempat inferensi dilakukan.
  + **prediksi** — Hasil prediksi (0 untuk tidak ada anomali, 1 untuk anomali terdeteksi).
  + **prediction\$1reason — Alasan** untuk prediksi (atau). `NO_ANOMALY_DETECTED` `ANOMALY_DETECTED`
  + **Diagnostik** — Berbagai informasi diagnostik yang menunjukkan faktor-faktor yang berkontribusi.
+ **stempel waktu** — Stempel waktu saat hasilnya dicatat. AWS IoT SiteWise
+ **kualitas** — Kualitas titik data (biasanya`GOOD`).

## Memahami hasil inferensi
<a name="understanding-inference-results"></a>

Hasil inferensi yang dikembalikan oleh deteksi AWS IoT SiteWise anomali mencakup informasi kunci tentang prediksi model pada stempel waktu tertentu, termasuk apakah anomali terdeteksi dan sensor mana yang berkontribusi pada anomali.

**Example dari hasil inferensi terperinci:**  

```
{
    "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 }
    ]
}
```

`diagnostics`Bidang ini berguna untuk menafsirkan *mengapa* model membuat prediksi tertentu. Setiap entri dalam daftar meliputi:
+ `name`: Sensor yang berkontribusi pada prediksi (format:`asset_id\\\\property_id`).
+ `value`: Angka floating-point antara 0 dan 1, mewakili **berat atau kepentingan relatif**, dari sensor itu pada saat itu.

Manfaat pengguna:
+ Memahami sensor mana yang memiliki dampak terkuat pada anomali.
+ Korelasikan sensor berbobot tinggi dengan perilaku peralatan fisik.
+ Menginformasikan analisis akar penyebab.

**catatan**  
Bahkan ketika `prediction = 0` (perilaku normal), daftar diagnostik dikembalikan. Ini membantu menilai sensor mana yang saat ini mempengaruhi keputusan model, bahkan dalam keadaan sehat.