Data Processing
Estandarizar datos numéricos usando Z-score para transformar valores con media=0 y desviación estándar=1. Perfecto para análisis estadístico, preprocesamiento de machine learning, detección de valores atípicos.
Llama a esta herramienta desde tu código en tres lenguajes.
curl -X POST 'https://api.elysiatools.com/es/api/tools/data-zscore-normalizer' \
-H 'Content-Type: application/json' \
-d '{"inputData":"name,age,salary,score\nAlice,25,50000,85.5\nBob,30,75000,92.3\nCharlie,35,120000,78.9","targetColumns":"age, salary or name, email\n\nLeave empty to auto-detect numeric columns","standardizationType":"zscore","outputRange":"0, 1","handleMissing":"skip","preserveOriginal":false,"decimalPlaces":4,"includeStatistics":true,"detectOutliers":true,"outlierThreshold":2}'Envía una petición POST con tus entradas en JSON. Los parámetros de tipo archivo requieren una subida previa.
POST https://api.elysiatools.com/es/api/tools/data-zscore-normalizer| Nombre | Tipo | Obligatorio | Descripción |
|---|---|---|---|
| inputData | textarea | Sí | — |
| targetColumns | textarea | No | — |
| standardizationType | select | No | — |
| outputRange | text | No | Optional: Scale standardized values to target range. Leave empty for standard z-score output. |
| handleMissing | select | No |
Añade esta herramienta a tu servidor Model Context Protocol para que los agentes de IA puedan listarla y llamarla.
Añade este bloque a la configuración de tu cliente MCP:
{
"mcpServers": {
"elysiatools-data-zscore-normalizer": {
"name": "data-zscore-normalizer",
"description": "Estandarizar datos numéricos usando Z-score para transformar valores con media=0 y desviación estándar=1. Perfecto para análisis estadístico, preprocesamiento de machine learning, detección de valores atípicos.",
"baseUrl": "https://api.elysiatools.com/mcp/sse?toolId=data-zscore-normalizer",
"command": "",
"args": [],
"env": {},
"isActive": true,
"type": "sse"
}
}
}Tras conectar al endpoint SSE, lista las herramientas expuestas:
{
"jsonrpc": "2.0",
"id": 1,
"method": "tools/list"
}Invoca la herramienta por su id; los argumentos se construyen a partir de sus parámetros:
{
"jsonrpc": "2.0",
"id": 2,
"method": "tools/call",
"params": {
"name": "data-zscore-normalizer",
"arguments": {
"inputData": "name,age,salary,score\nAlice,25,50000,85.5\nBob,30,75000,92.3\nCharlie,35,120000,78.9",
"targetColumns": "age, salary or name, email\n\nLeave empty to auto-detect numeric columns",
"standardizationType": "zscore",
"outputRange": "0, 1",
"handleMissing": "skip",
"preserveOriginal": false,
"decimalPlaces": 4,
"includeStatistics": true,
"detectOutliers": true,
"outlierThreshold": 2
}
}
}| — |
| preserveOriginal | checkbox | No | — |
| decimalPlaces | number | No | — |
| includeStatistics | checkbox | No | — |
| detectOutliers | checkbox | No | — |
| outlierThreshold | number | No | Values beyond this many standard deviations will be flagged as outliers |
Resultado de texto
{
"result": "Processed text content",
"error": "Error message (optional)",
"message": "Notification message (optional)",
"metadata": {
"key": "value"
}
}¿Dudas o problemas? Contacta con [email protected]