Merge branch 'doc/analysis' of github.com:taosdata/tdengine into doc/analysis

docs/zh/06-advanced/06-TDgpt/04-forecast/index.md

@@ -108,5 +108,26 @@ taos> select _flow, _fhigh, _frowts, forecast(i32) from foo;
 - TimesNet
 
 ## 算法有效性评估工具
-TDgpt 提供预测分析算法有效性评估工具，通过调用该工具并设置合适的参数，能够使用 TDengine 中的数据作为回测依据，评估不同预测算法或相同的预测算法在不同的参数或训练模型的下的预测有效性。
+TDgpt 提供预测分析算法有效性评估工具，调用该工具并设置合适的参数，能够使用 TDengine 中的数据作为回测依据，评估不同预测算法或相同的预测算法在不同的参数或训练模型的下的预测有效性。预测有效性的评估使用 `MSE` 和 `MAE` 指标作为依据，后续还将增加 `MAPE`指标。
+
+```ini
+[forecast]
+# 训练数据的周期，每个周期包含多少个输入点
+period = 10
+
+# 使用范围内最后 10 条记录作为预测结果
+rows = 10
+
+# 训练数据开始时间
+start_time = 2024-12-28T14:55:10.885
+
+# 训练数据结束时间
+end_time = 2024-12-31T10:07:01.300
+
+# 输出结果的起始时间
+res_start_time = 1730000000000
+
+# 是否绘制预测结果图
+gen_figure = true
+```
 

docs/zh/06-advanced/06-TDgpt/05-anomaly-detection/index.md

@@ -4,6 +4,8 @@ description: 异常检测算法
 ---
 
 import ad from '../pic/anomaly-detection.png';
+import ad-result from '../pic/ad-result.png';
+import ad-result-figure '../pic/ad-result-figure.png'
 
 TDengine 中定义了异常（状态）窗口来提供异常检测服务。异常窗口可以视为一种特殊的**事件窗口（Event Window）**，即异常检测算法确定的连续异常时间序列数据所在的时间窗口。与普通事件窗口区别在于——时间窗口的起始时间和结束时间均是分析算法识别确定，不是用户给定的表达式进行判定。因此，在 `WHERE` 子句中使用 `ANOMALY_WINDOW` 关键词即可调用时序数据异常检测服务，同时窗口伪列（`_WSTART`, `_WEND`, `_WDURATION`）也能够像其他时间窗口一样用于描述异常窗口的起始时间(`_WSTART`)、结束时间(`_WEND`)、持续时间(`_WDURATION`)。例如：
 
@@ -96,6 +98,9 @@ lof={"algo":"auto", "n_neighbor": 3}
 
 对比程序执行完成以后，会自动生成名称为`ad_result.xlsx` 的文件，第一个卡片是算法运行结果（如下图所示），分别包含了算法名称、执行调用参数、查全率、查准率、执行时间 5 个指标。
 
+<img src={ad-result} width="760" alt="异常检测对比结果" />
 
-如果设置了 `gen_figure` 为 `true`，比较程序会自动将每个参与比较的算法分析结果采用图片方式呈现出来（如下图所示）。
+如果设置了 `gen_figure` 为 `true`，比较程序会自动将每个参与比较的算法分析结果采用图片方式呈现出来（如下图所示为 ksigma 的异常检测结果标注）。
+
+<img src={ad-result-figure} width="760" alt="异常检测标注图" />