Data Processing
Ferramenta avançada de detecção e processamento de outliers que identifica, remove ou substitui valores anômalos em dados numéricos usando múltiplos métodos estatísticos. Perfeita para limpeza de dados, análise estatística e preparação de dados para machine learning. Recursos: - Múltiplos métodos de detecção (IQR, Z-score, Z-score modificado, Isolation Forest) - Estratégias flexíveis de manejo (Remover, Substituir por média/mediana/moda, Limitar) - Otimização automática de limiares - Detecção de outliers multidimensional - Estatísticas e relatórios visuais de outliers - Capacidades de processamento em lote - Níveis de sensibilidade personalizáveis - Análise de impacto abrangente Casos de Uso Comuns: - Limpeza e pré-processamento de dados - Preparação para análise estatística - Limpeza de conjuntos de dados para machine learning - Controle de qualidade na manufatura - Detecção de anomalias financeiras - Validação de dados de sensores
Chame esta ferramenta a partir do seu código em três idiomas.
curl -X POST 'https://api.elysiatools.com/pt/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":"idade, salário, pontuação\n\nDeixe em branco para detectar automaticamente colunas numéricas","detectionMethod":"iqr","threshold":1.5,"handlingStrategy":"remove","replacementMethod":"median","preserveOriginal":false,"markOutliers":true,"includeStatistics":true,"autoThreshold":false,"sensitivity":"medium"}'Envie uma requisição POST com suas entradas em JSON. Parâmetros do tipo arquivo exigem upload prévio.
POST https://api.elysiatools.com/pt/api/tools/data-outlier-processor| Nome | Tipo | Obrigatório | Descrição |
|---|---|---|---|
| inputData | textarea | Sim | — |
| targetColumns | textarea | Não | — |
| detectionMethod | select | Não | — |
| threshold | number | Não | Sensitivity threshold for outlier detection. Lower values detect more outliers. |
| handlingStrategy | select | Não | — |
| replacementMethod | select | Não | — |
| preserveOriginal | checkbox | Não | — |
| markOutliers | checkbox | Não | Adicionar colunas para sinalizar quais valores foram detectados como outliers |
| includeStatistics | checkbox | Não | — |
| autoThreshold | checkbox | Não | Automatically find optimal threshold based on data distribution |
| sensitivity | select | Não | — |
Resultado de texto
{
"result": "Processed text content",
"error": "Error message (optional)",
"message": "Notification message (optional)",
"metadata": {
"key": "value"
}
}Adicione esta ferramenta ao seu servidor Model Context Protocol para que agentes de IA possam listá-la e chamá-la.
Adicione este bloco à configuração do seu cliente MCP:
{
"mcpServers": {
"elysiatools-data-outlier-processor": {
"name": "data-outlier-processor",
"description": "Ferramenta avançada de detecção e processamento de outliers que identifica, remove ou substitui valores anômalos em dados numéricos usando múltiplos métodos estatísticos. Perfeita para limpeza de dados, análise estatística e preparação de dados para machine learning.\n\nRecursos:\n- Múltiplos métodos de detecção (IQR, Z-score, Z-score modificado, Isolation Forest)\n- Estratégias flexíveis de manejo (Remover, Substituir por média/mediana/moda, Limitar)\n- Otimização automática de limiares\n- Detecção de outliers multidimensional\n- Estatísticas e relatórios visuais de outliers\n- Capacidades de processamento em lote\n- Níveis de sensibilidade personalizáveis\n- Análise de impacto abrangente\n\nCasos de Uso Comuns:\n- Limpeza e pré-processamento de dados\n- Preparação para análise estatística\n- Limpeza de conjuntos de dados para machine learning\n- Controle de qualidade na manufatura\n- Detecção de anomalias financeiras\n- Validação de dados de sensores",
"baseUrl": "https://api.elysiatools.com/mcp/sse?toolId=data-outlier-processor",
"command": "",
"args": [],
"env": {},
"isActive": true,
"type": "sse"
}
}
}Após conectar ao endpoint SSE, liste as ferramentas expostas:
{
"jsonrpc": "2.0",
"id": 1,
"method": "tools/list"
}Invoque a ferramenta pelo seu id; os argumentos são construídos a partir de seus parâmetros:
{
"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": "idade, salário, pontuação\n\nDeixe em branco para detectar automaticamente colunas numéricas",
"detectionMethod": "iqr",
"threshold": 1.5,
"handlingStrategy": "remove",
"replacementMethod": "median",
"preserveOriginal": false,
"markOutliers": true,
"includeStatistics": true,
"autoThreshold": false,
"sensitivity": "medium"
}
}
}Dúvidas ou problemas? Contate [email protected]