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.

Elysia Tools

Navigation mobile

Data Processing

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.

Exécution

Exécuter cet outil

Remplissez le formulaire, lancez l’outil et consultez le résultat au même endroit.

Entrées

Les options sont groupées pour rendre les longs formulaires plus lisibles.

10 réglages

ContenuCollez ou saisissez les valeurs principales.3

Données CSVtextareaRequisColonnes CiblestextareaOptionnelPlage de Sortie (Optionnelle)textOptionnelOptional: Scale standardized values to target range. Leave empty for standard z-score output.

RéglagesAjustez formats, plages, nombres et modes.4

Type de StandardisationselectOptionnelGérer les Valeurs ManquantesselectOptionnelDécimalesnumberOptionnelSeuil de Valeur Aberrante (Écart Type)numberOptionnelValues beyond this many standard deviations will be flagged as outliers

OptionsActivez ou désactivez les comportements optionnels.3

Conserver les Colonnes OriginalescheckboxOptionnelActivé si cochéInclure les StatistiquescheckboxOptionnelActivé si cochéDétecter les Valeurs AberrantescheckboxOptionnelActivé si coché

Résultat

Prêt à exécuter

Après exécution, les fichiers, textes, données structurées ou sorties en flux apparaîtront ici.

Exemples

Exemples adaptés à cet outil

Associé

Normalisateur Z-Score

Exécuter cet outil

Entrées

Résultat

Exemples adaptés à cet outil

Continuer avec des outils et dossiers associés

Entrées

Résultat

Découvrez quand utiliser cet outil, ce qu'il prend en charge et comment les utilisateurs l'appliquent.

Points clés

Aperçu

Quand l’utiliser

Fonctionnement

Cas d’usage

Exemples

1. Standardisation pour Machine Learning

2. Détection d'anomalies dans des mesures

FAQ

Exemples CSV

Exemples Python

Traitement de Chaînes Windows - Exemples C#

Exemples Apache Spark

Processeur de Limites de Données

Déduplicateur CSV

Limiteur de Plage de Données

Suppresseur de Colonnes en Double

Outils d export CSV et de conversion de tableaux

Outils de nettoyage et de reorganisation CSV

Outils de codes-barres, QR et etiquettes

Outils de qualite des donnees, deduplication et detection d anomalies