Data Processing
Outil avancé de détection et traitement des valeurs aberrantes qui identifie, supprime ou remplace les valeurs anormales en utilisant plusieurs méthodes statistiques.
Appelez cet outil depuis votre code en trois langages.
curl -X POST 'https://api.elysiatools.com/fr/api/tools/data-outlier-processor' \
-H 'Content-Type: application/json' \
-d '{"inputData":"name,age,salary,score,temperature\nAlice,25,50000,85.2,36.5\nBob,32,75000,92.7,38.1\nCharlie,28,60000,78.9,37.2","targetColumns":"age, salary, score\n\nLeave empty to auto-detect numeric columns","detectionMethod":"iqr","threshold":1.5,"handlingStrategy":"remove","replacementMethod":"median","preserveOriginal":false,"markOutliers":true,"includeStatistics":true,"autoThreshold":false,"sensitivity":"medium"}'Envoyez une requête POST avec vos entrées en JSON. Les paramètres de type fichier nécessitent un upload préalable.
POST https://api.elysiatools.com/fr/api/tools/data-outlier-processor| Nom | Type | Requis | Description |
|---|---|---|---|
| inputData | textarea | Oui | — |
| targetColumns | textarea | Non | — |
| detectionMethod | select | Non | — |
| threshold | number | Non | Sensitivity threshold for outlier detection. Lower values detect more outliers. |
| handlingStrategy | select | Non | — |
| replacementMethod | select | Non | — |
| preserveOriginal | checkbox | Non | — |
| markOutliers | checkbox | Non | Ajouter des colonnes pour marquer les valeurs détectées comme aberrantes |
| includeStatistics | checkbox | Non | — |
| autoThreshold | checkbox | Non | Automatically find optimal threshold based on data distribution |
| sensitivity | select | Non | — |
Résultat texte
{
"result": "Processed text content",
"error": "Error message (optional)",
"message": "Notification message (optional)",
"metadata": {
"key": "value"
}
}Ajoutez cet outil à votre serveur Model Context Protocol pour que les agents IA puissent le lister et l'appeler.
Ajoutez ce bloc à la configuration de votre client MCP :
{
"mcpServers": {
"elysiatools-data-outlier-processor": {
"name": "data-outlier-processor",
"description": "Outil avancé de détection et traitement des valeurs aberrantes qui identifie, supprime ou remplace les valeurs anormales en utilisant plusieurs méthodes statistiques.",
"baseUrl": "https://api.elysiatools.com/mcp/sse?toolId=data-outlier-processor",
"command": "",
"args": [],
"env": {},
"isActive": true,
"type": "sse"
}
}
}Après connexion au point d'accès SSE, listez les outils exposés :
{
"jsonrpc": "2.0",
"id": 1,
"method": "tools/list"
}Appelez l'outil par son id ; les arguments sont construits à partir de ses paramètres :
{
"jsonrpc": "2.0",
"id": 2,
"method": "tools/call",
"params": {
"name": "data-outlier-processor",
"arguments": {
"inputData": "name,age,salary,score,temperature\nAlice,25,50000,85.2,36.5\nBob,32,75000,92.7,38.1\nCharlie,28,60000,78.9,37.2",
"targetColumns": "age, salary, score\n\nLeave empty to auto-detect numeric columns",
"detectionMethod": "iqr",
"threshold": 1.5,
"handlingStrategy": "remove",
"replacementMethod": "median",
"preserveOriginal": false,
"markOutliers": true,
"includeStatistics": true,
"autoThreshold": false,
"sensitivity": "medium"
}
}
}Des questions ou un problème ? Contactez [email protected]