本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 了解 Amazon Quick Sight 使用的机器学习算法
<a name="concept-of-ml-algorithms"></a>


|  | 
| --- |
| 您不需要任何机器学习方面的技术经验即可使用 Amazon Quick Sight 中的 ML-powered 功能。本节深入讨论该算法的技术细节，适用于那些希望详细了解该算法的工作原理的人员。不需要阅读该信息即可使用这些功能。 | 

Amazon Quick Sight 使用随机砍伐森林 (RCF) 算法的内置版本。以下各节解释了这意味着什么，以及如何在 Amazon Quick Sight 中使用它。

首先，让我们看一下涉及的一些术语：
+ 异常 – 由于与同一样本中的大多数其他内容不同而被划分出来的某些内容。也称为异常值、例外、偏差等。
+ 数据点 – 数据集中的一个独立单元，或者简而言之，一行。不过，如果在不同维度上使用度量，则一个行可能具有多个数据点。
+ 决策树 – 是一种可视化算法决策过程的方法，用于评估数据中的模式。
+ 预测 – 根据当前和过去的行为预测将来的行为。
+ 模型 – 算法的数学表示形式或算法学习的内容。
+ 季节性 – 在时间序列数据中循环发生的重复行为模式。
+ 时间序列 – 一个字段或列中的日期或时间数据的有序集合。

**Topics**
+ [异常检测与预测之间有何区别？](difference-between-anomaly-detection-and-forecasting.md)
+ [什么是 RCF？](what-is-random-cut-forest.md)
+ [RCF 如何应用于检测异常](how-does-rcf-detect-anomalies.md)
+ [RCF 如何应用于生成预测](how-does-rcf-generate-forecasts.md)
+ [机器学习和 RCF 参考](learn-more-about-machine-learning-and-rcf.md)