Catégories

Détecteur de Valeurs Aberrantes

Détecte les valeurs aberrantes dans les données numériques en utilisant diverses méthodes statistiques incluant IQR, Z-score et Z-score modifié

Points clés

Catégorie
Data Analysis
Types d’entrée
textarea, select, text, number, checkbox
Type de sortie
text
Couverture des échantillons
4
API disponible
Yes

Vue d’ensemble

Le Détecteur de Valeurs Aberrantes est un outil d'analyse statistique conçu pour identifier rapidement les anomalies au sein de vos jeux de données numériques. Grâce à des méthodes éprouvées comme l'IQR (Écart Interquartile) et le Z-score, il vous permet de nettoyer vos données et d'assurer la fiabilité de vos analyses.

Quand l’utiliser

  • Avant de réaliser une analyse statistique pour garantir la précision des résultats.
  • Lors du nettoyage de grands ensembles de données pour éliminer les erreurs de saisie ou les mesures extrêmes.
  • Pour surveiller des indicateurs de performance et détecter des comportements inhabituels ou des pics anormaux.

Comment ça marche

  • Saisissez vos données numériques dans la zone dédiée en choisissant le délimiteur approprié.
  • Sélectionnez la méthode statistique adaptée à votre besoin, telle que l'IQR ou le Z-score.
  • Ajustez le seuil de sensibilité pour affiner la précision de la détection.
  • Générez le résultat sous forme de tableau, de résumé ou de format JSON pour une intégration facile.

Cas d’usage

Nettoyage de bases de données financières pour identifier les transactions suspectes.
Validation de capteurs industriels en repérant les mesures erronées dues à des dysfonctionnements.
Analyse de résultats d'enquêtes pour isoler les réponses incohérentes ou extrêmes.

Exemples

1. Analyse de ventes mensuelles

Analyste financier
Contexte
Un analyste doit vérifier une liste de 500 transactions pour identifier les montants anormalement élevés ou bas.
Problème
Les erreurs de saisie manuelle faussent la moyenne des ventes mensuelles.
Comment l’utiliser
Copier-coller la liste des montants, sélectionner la méthode 'Z-score' et régler la sensibilité sur 2.0.
Configuration d’exemple
detectionMethod: zscore, sensitivity: 2.0, outputFormat: table
Résultat
Le tableau généré isole les 3 transactions qui dépassent le seuil statistique, permettant une correction rapide.

2. Contrôle qualité de capteurs

Ingénieur qualité
Contexte
Des capteurs de température envoient des données en continu, mais certains envoient des valeurs aberrantes dues à des interférences.
Problème
Identifier rapidement les mesures de température physiquement impossibles.
Comment l’utiliser
Entrer les relevés de température, choisir 'IQR' pour sa robustesse face aux valeurs extrêmes.
Configuration d’exemple
detectionMethod: iqr, sensitivity: 1.5, outputFormat: summary
Résultat
Un résumé statistique identifie les 5 relevés aberrants, facilitant la maintenance ciblée des capteurs défectueux.

Tester avec des échantillons

markdown, qr

Hubs associés

FAQ

Qu'est-ce qu'une valeur aberrante ?

Une valeur aberrante est un point de données qui diffère significativement des autres observations, pouvant indiquer une variabilité naturelle ou une erreur de mesure.

Quelle méthode choisir entre IQR et Z-score ?

L'IQR est robuste pour les données non normales, tandis que le Z-score est plus efficace pour les distributions suivant une loi normale.

Comment fonctionne le seuil de sensibilité ?

Le seuil détermine l'écart à partir duquel une valeur est considérée comme anormale. Une valeur plus basse augmente la sensibilité de détection.

Puis-je exporter les résultats ?

Oui, vous pouvez choisir le format de sortie, y compris JSON ou tableau, pour copier et utiliser vos données ailleurs.

L'outil supporte-t-il les fichiers ?

Actuellement, l'outil traite les données numériques saisies directement dans la zone de texte.

Documentation de l'API

Point de terminaison de la requête

POST /fr/api/tools/outlier-detector

Paramètres de la requête

Nom du paramètre Type Requis Description
dataInput textarea Oui -
delimiter select Oui -
customDelimiter text Non -
detectionMethod select Oui -
sensitivity number Non -
includeStatistics checkbox Non -
outputFormat select Oui -

Format de réponse

{
  "result": "Processed text content",
  "error": "Error message (optional)",
  "message": "Notification message (optional)",
  "metadata": {
    "key": "value"
  }
}
Texte: Texte

Documentation de MCP

Ajoutez cet outil à votre configuration de serveur MCP:

{
  "mcpServers": {
    "elysiatools-outlier-detector": {
      "name": "outlier-detector",
      "description": "Détecte les valeurs aberrantes dans les données numériques en utilisant diverses méthodes statistiques incluant IQR, Z-score et Z-score modifié",
      "baseUrl": "https://elysiatools.com/mcp/sse?toolId=outlier-detector",
      "command": "",
      "args": [],
      "env": {},
      "isActive": true,
      "type": "sse"
    }
  }
}

Vous pouvez chaîner plusieurs outils, par ex.: `https://elysiatools.com/mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp`, max 20 outils.

Si vous rencontrez des problèmes, veuillez nous contacter à [email protected]