# Normalisateur Z-Score Normaliser les données numériques avec Z-score pour moyenne=0 et écart-type=1. Parfait pour l'analyse statistique, le prétraitement machine learning. > Page canonique: https://elysiatools.com/fr/tools/data-zscore-normalizer - **Catégorie:** Data Processing - **Mots-clés:** z-score, normalisation, statistiques, machine learning, détection des valeurs aberrantes ## Présentation Le Normalisateur Z-Score est un outil puissant conçu pour transformer vos données numériques en une échelle standardisée, avec une moyenne de 0 et un écart-type de 1. Il est essentiel pour préparer vos jeux de données au machine learning, faciliter les analyses statistiques comparatives et identifier efficacement les valeurs aberrantes au sein de vos séries de mesures. ## Entrées - **Données CSV** (textarea): name,age,salary,score Alice,25,50000,85.5 Bob,30,75000,92.3 Charlie,35,120000,78.9 - **Colonnes Cibles** (textarea): age, salary or name, email Leave empty to auto-detect numeric columns - **Type de Standardisation** (select) - **Plage de Sortie (Optionnelle)** (text): Optional: Scale standardized values to target range. Leave empty for standard z-score output. - **Gérer les Valeurs Manquantes** (select) - **Conserver les Colonnes Originales** (checkbox) - **Décimales** (number) - **Inclure les Statistiques** (checkbox) - **Détecter les Valeurs Aberrantes** (checkbox) - **Seuil de Valeur Aberrante (Écart Type)** (number): Values beyond this many standard deviations will be flagged as outliers ## Quand l'utiliser - Avant d'entraîner des modèles de machine learning sensibles à l'échelle des données. - Pour comparer des variables exprimées dans des unités de mesure différentes. - Pour détecter et isoler statistiquement les valeurs aberrantes dans un ensemble de données. ## Fonctionnement - Copiez-collez vos données au format CSV dans la zone de saisie prévue. - Sélectionnez les colonnes cibles ou laissez l'outil détecter automatiquement les données numériques. - Choisissez votre méthode de standardisation (Z-Score classique ou robuste) et configurez le traitement des valeurs manquantes. - Lancez le calcul pour obtenir vos données normalisées accompagnées d'un rapport statistique complet. ## Cas d'usage - Préparation de caractéristiques (features) pour des algorithmes de clustering ou de régression. - Normalisation de scores issus de tests ou d'évaluations ayant des échelles disparates. - Nettoyage de données financières ou scientifiques pour éliminer les biais liés aux échelles de grandeur. ## Questions fréquentes ### Qu'est-ce que le Z-Score ? Le Z-Score indique de combien d'écarts-types un point de données s'éloigne de la moyenne de l'ensemble. ### Quelle est la différence entre Z-Score et Z-Score Robuste ? Le Z-Score classique utilise la moyenne et l'écart-type, tandis que le Z-Score robuste utilise la médiane et l'écart absolu à la médiane (MAD), ce qui le rend moins sensible aux valeurs extrêmes. ### Que deviennent les valeurs manquantes ? Vous pouvez choisir de les ignorer, ou de les remplacer automatiquement par la moyenne, la médiane, le mode ou zéro. ### Puis-je conserver mes colonnes non numériques ? Oui, l'option 'Conserver les colonnes originales' permet de garder vos données textuelles ou catégorielles intactes dans le résultat final. ### Comment l'outil détecte-t-il les valeurs aberrantes ? L'outil marque les valeurs dépassant le seuil d'écarts-types que vous avez défini, facilitant ainsi leur identification rapide. ## 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. - [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. - [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. - [Processeur de Valeurs Aberrantes](https://elysiatools.com/fr/tools/data-outlier-processor): Outil avancé de détection et traitement des valeurs aberrantes qui identifie, supprime ou remplace les valeurs anormales en utilisant plusieurs méthodes statistiques. - [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. - [Nettoyeur de Données](https://elysiatools.com/fr/tools/data-cleaner): Nettoyer et standardiser les données en corrigeant les erreurs d'orthographe, en standardisant les formats, en supprimant les doublons et en remplissant les valeurs manquantes ## Exemples - [Exemples CSV](https://elysiatools.com/fr/samples/csv-samples): Fichiers CSV d'exemple avec divers types de données, tailles et niveaux de complexité - [Exemples Python](https://elysiatools.com/fr/samples/python): Exemples de code Python et démonstrations Hello World - [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 Apache Spark](https://elysiatools.com/fr/samples/apache-spark): Framework de traitement de big data Apache Spark avec exemples PySpark, DataFrames, SQL et opérations de machine learning