Data Processing
Продвинутый инструмент обнаружения и обработки выбросов, который идентифицирует, удаляет или заменяет аномальные значения в числовых данных с использованием множества статистических методов. Идеально подходит для очистки данных, статистического анализа и подготовки данных для машинного обучения. Возможности: - Множественные методы обнаружения (IQR, Z-оценка, модифицированная Z-оценка, Isolation Forest) - Гибкие стратегии обработки (Удалить, Заменить средним/медианой/модой, Ограничить) - Автоматическая оптимизация порогов - Многомерное обнаружение выбросов - Визуальная статистика и отчеты выбросов - Возможности пакетной обработки - Настраиваемые уровни чувствительности - Всесторонний анализ воздействия Общие случаи использования: - Очистка и предварительная обработка данных - Подготовка к статистическому анализу - Очистка наборов данных для машинного обучения - Контроль качества в производстве - Обнаружение финансовых аномалий - Валидация данных сенсоров
Вызовите этот инструмент из своего кода на трёх языках.
curl -X POST 'https://api.elysiatools.com/ru/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":"возраст, зарплата, оценка\n\nОставьте пустым для автоматического обнаружения числовых столбцов","detectionMethod":"iqr","threshold":1.5,"handlingStrategy":"remove","replacementMethod":"median","preserveOriginal":false,"markOutliers":true,"includeStatistics":true,"autoThreshold":false,"sensitivity":"medium"}'Отправьте POST-запрос с входными данными в JSON. Параметры типа «файл» требуют предварительной загрузки.
POST https://api.elysiatools.com/ru/api/tools/data-outlier-processor| Имя | Тип | Обязательный | Описание |
|---|---|---|---|
| inputData | textarea | Да | — |
| targetColumns | textarea | Нет | — |
| detectionMethod | select | Нет | — |
| threshold | number | Нет | Sensitivity threshold for outlier detection. Lower values detect more outliers. |
| handlingStrategy | select | Нет | — |
| replacementMethod | select | Нет | — |
| preserveOriginal | checkbox | Нет | — |
| markOutliers | checkbox | Нет | Добавить столбцы для флагов обнаруженных выбросов |
| includeStatistics | checkbox | Нет | — |
| autoThreshold | checkbox | Нет | Automatically find optimal threshold based on data distribution |
| sensitivity | select | Нет | — |
Текстовый результат
{
"result": "Processed text content",
"error": "Error message (optional)",
"message": "Notification message (optional)",
"metadata": {
"key": "value"
}
}Добавьте этот инструмент на свой сервер Model Context Protocol, чтобы ИИ-агенты могли перечислять и вызывать его.
Добавьте этот блок в конфигурацию вашего MCP-клиента:
{
"mcpServers": {
"elysiatools-data-outlier-processor": {
"name": "data-outlier-processor",
"description": "Продвинутый инструмент обнаружения и обработки выбросов, который идентифицирует, удаляет или заменяет аномальные значения в числовых данных с использованием множества статистических методов. Идеально подходит для очистки данных, статистического анализа и подготовки данных для машинного обучения.\n\nВозможности:\n- Множественные методы обнаружения (IQR, Z-оценка, модифицированная Z-оценка, Isolation Forest)\n- Гибкие стратегии обработки (Удалить, Заменить средним/медианой/модой, Ограничить)\n- Автоматическая оптимизация порогов\n- Многомерное обнаружение выбросов\n- Визуальная статистика и отчеты выбросов\n- Возможности пакетной обработки\n- Настраиваемые уровни чувствительности\n- Всесторонний анализ воздействия\n\nОбщие случаи использования:\n- Очистка и предварительная обработка данных\n- Подготовка к статистическому анализу\n- Очистка наборов данных для машинного обучения\n- Контроль качества в производстве\n- Обнаружение финансовых аномалий\n- Валидация данных сенсоров",
"baseUrl": "https://api.elysiatools.com/mcp/sse?toolId=data-outlier-processor",
"command": "",
"args": [],
"env": {},
"isActive": true,
"type": "sse"
}
}
}После подключения к SSE-endpoint выведите список доступных инструментов:
{
"jsonrpc": "2.0",
"id": 1,
"method": "tools/list"
}Вызовите инструмент по его id; аргументы формируются из его параметров:
{
"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": "возраст, зарплата, оценка\n\nОставьте пустым для автоматического обнаружения числовых столбцов",
"detectionMethod": "iqr",
"threshold": 1.5,
"handlingStrategy": "remove",
"replacementMethod": "median",
"preserveOriginal": false,
"markOutliers": true,
"includeStatistics": true,
"autoThreshold": false,
"sensitivity": "medium"
}
}
}Вопросы или проблемы? Свяжитесь с [email protected]