🔍 監督式分析智能洞察
樣本平衡性評估：
異常樣本比例為6.7%，雖低於10%，但仍超過5%，數據具備基本平衡性，適合進行標準監督式分析。
特徵重要性發現：
Cohen's D效應量顯示多個時域特徵（如峰峰值、最大值、最小值、標準差、均方根）及頻域特徵（平均頻率、頻率方差、偏度、峰度）均具備顯著區分能力，部分特徵效應量超過1.5，屬高效應量特徵，為故障診斷關鍵指標。
軸向分布分析：
X、Y、Z三軸樣本數均衡分布（各180筆），數據採集均勻，無軸向偏倚，利於多軸振動特徵綜合分析。
數據品質評估：
數據完整性通過，無缺失值，採集時長3分鐘，符合振動監測時域特徵穩定性要求，數據品質優良。
建議後續分析：
建議進一步進行時域與頻域特徵的深度異常檢測模型訓練，重點關注高效應量特徵，並結合軸向信息進行多維度故障定位。同時，持續監控異常樣本比例及數據完整性，確保模型穩定性。