# Processeur de Valeurs Aberrantes Outil avancé de détection et traitement des valeurs aberrantes qui identifie, supprime ou remplace les valeurs anormales en utilisant plusieurs méthodes statistiques. > Page canonique: https://elysiatools.com/fr/tools/data-outlier-processor - **Catégorie:** Data Processing - **Mots-clés:** valeurs aberrantes, anomalies, détection, suppression, remplacement, nettoyage de données ## Présentation Le Processeur de Valeurs Aberrantes est un outil d'analyse statistique conçu pour identifier et traiter les données anormales au sein de vos jeux de données numériques. Grâce à des méthodes robustes comme l'IQR, le Z-Score ou l'Isolation Forest, il permet de nettoyer efficacement vos fichiers CSV pour fiabiliser vos analyses et modèles de machine learning. ## Entrées - **Données CSV** (textarea): name,age,salary,score,temperature Alice,25,50000,85.2,36.5 Bob,32,75000,92.7,38.1 Charlie,28,60000,78.9,37.2 - **Colonnes Cibles (Optionnel)** (textarea): age, salary, score Leave empty to auto-detect numeric columns - **Méthode de Détection** (select) - **Seuil de Détection** (number): Sensitivity threshold for outlier detection. Lower values detect more outliers. - **Stratégie de Traitement** (select) - **Replacement Method** (select) - **Préserver les Colonnes Originales** (checkbox) - **Marquer les Valeurs Aberrantes** (checkbox): Ajouter des colonnes pour marquer les valeurs détectées comme aberrantes - **Inclure les Statistiques** (checkbox) - **Auto-optimize Threshold** (checkbox): Automatically find optimal threshold based on data distribution - **Sensitivity Level** (select) ## Quand l'utiliser - Avant de réaliser une analyse statistique pour éviter que des valeurs extrêmes ne faussent vos moyennes. - Lors de la préparation de jeux de données pour l'entraînement de modèles de machine learning. - Pour identifier des erreurs de saisie ou des anomalies dans des relevés de capteurs ou des transactions financières. ## Fonctionnement - Importez vos données au format CSV dans l'outil. - Sélectionnez la méthode de détection adaptée à votre distribution (ex: IQR pour les données asymétriques). - Choisissez une stratégie de traitement : supprimer les lignes, remplacer par la médiane/moyenne, ou limiter les valeurs extrêmes. - Exécutez le traitement pour obtenir un fichier nettoyé avec, si souhaité, un marquage des anomalies détectées. ## Cas d'usage - Nettoyage de bases de données clients pour supprimer les âges ou revenus incohérents. - Validation de données de capteurs industriels pour isoler les pics de tension anormaux. - Préparation de datasets financiers en remplaçant les montants aberrants par la médiane du secteur. ## Questions fréquentes ### Quelle méthode de détection choisir ? La méthode IQR est idéale pour les données non normales, tandis que le Z-Score convient mieux aux distributions suivant une loi normale. ### Puis-je conserver mes données originales ? Oui, vous pouvez activer l'option 'Préserver les colonnes originales' pour comparer vos données sources avec les valeurs traitées. ### Que fait l'option 'Cap' ? L'option 'Cap' remplace les valeurs aberrantes par la borne supérieure ou inférieure définie par la méthode de détection choisie, au lieu de les supprimer. ### L'outil gère-t-il plusieurs colonnes à la fois ? Oui, vous pouvez spécifier plusieurs colonnes cibles ou laisser l'outil détecter automatiquement toutes les colonnes numériques. ### Comment fonctionne le marquage des valeurs ? Si vous activez 'Marquer les valeurs aberrantes', l'outil ajoute une colonne supplémentaire indiquant par un booléen si la ligne contient une anomalie. ## Outils associés - [Processeur de Limites de Données](https://elysiatools.com/fr/tools/data-boundary-processor): Outil avancé de traitement des limites qui identifie et gère les valeurs minimales et maximales dans les données numériques. Parfait pour la validation des données, la vérification des plages, l'analyse statistique et le prétraitement des données. - [Déduplicateur CSV](https://elysiatools.com/fr/tools/data-deduplicator): Supprimer les lignes en double basées sur des colonnes - [Limiteur de Plage de Données](https://elysiatools.com/fr/tools/data-range-limiter): Limiter les valeurs numériques à des plages spécifiées en coupant, filtrant ou marquant les valeurs hors limites. Parfait pour le contrôle de qualité des données. - [Normalisateur Z-Score](https://elysiatools.com/fr/tools/data-zscore-normalizer): Normaliser les données numériques avec Z-score pour moyenne=0 et écart-type=1. Parfait pour l'analyse statistique, le prétraitement machine learning. - [Suppresseur de Colonnes en Double](https://elysiatools.com/fr/tools/duplicate-column-remover): Supprimer les colonnes en double des données CSV avec des stratégies de détection flexibles. Parfait pour nettoyer les ensembles de données, éliminer les informations redondantes et optimiser la structure des données. - [Analyseur de Corrélation](https://elysiatools.com/fr/tools/correlation-analyzer): Outil avancé d'analyse de corrélation qui calcule les coefficients de corrélation entre les variables pour mesurer la force et la direction de leurs relations linéaires. - [Suppresseur de Caractères BOM](https://elysiatools.com/fr/tools/data-bom-remover): Supprimer les caractères BOM (Byte Order Mark) du contenu textuel et des fichiers. Parfait pour nettoyer les fichiers texte avec des problèmes d'encodage. - [Suppresseur d'En-têtes](https://elysiatools.com/fr/tools/header-remover): Supprimer les en-têtes des données CSV pour créer des fichiers propres sans en-têtes. Parfait pour les importations de bases de données, les pipelines de traitement de données. ## Exemples - [Exemples CSV](https://elysiatools.com/fr/samples/csv-samples): Fichiers CSV d'exemple avec divers types de données, tailles et niveaux de complexité - [Traitement de Chaînes Windows - Exemples C#](https://elysiatools.com/fr/samples/windows-string-processing-csharp): Exemples complets de traitement de chaînes C# pour plateforme Windows incluant manipulation, division, jonction, expressions régulières et analyse de texte - [Exemples Python](https://elysiatools.com/fr/samples/python): Exemples de code Python et démonstrations Hello World - [Exemples R](https://elysiatools.com/fr/samples/r): Exemples essentiels de programmation R pour l'analyse statistique et la science des données