Data Processing
使用Min-Max缩放将数值数据标准化到0-1范围。完美用于机器学习预处理、数据分析和特征缩放。 功能特点: - Min-Max缩放(0-1标准化) - 自定义范围支持(如-1到1) - 多列选择 - 自动数据类型检测 - 处理缺失值 - 保留非数值列 - 包含统计摘要 常见用途: - 机器学习特征准备 - 神经网络输入标准化 - 数据可视化预处理 - 不同尺度的比较分析
用三种语言从你的代码中调用此工具。
curl -X POST 'https://api.elysiatools.com/zh/api/tools/data-normalizer-minmax' \
-H 'Content-Type: application/json' \
-d '{"inputData":"name,age,salary\nAlice,25,50000\nBob,30,75000\nCharlie,35,120000","targetColumns":"age, salary 或 name, email\n\n留空则自动检测数值列","outputRange":"0, 1","handleMissing":"skip","preserveOriginal":false,"decimalPlaces":4,"includeStatistics":true}'以 JSON 形式 POST 提交输入参数。文件类型参数需先单独上传。
POST https://api.elysiatools.com/zh/api/tools/data-normalizer-minmax| 参数名 | 类型 | 必填 | 说明 |
|---|---|---|---|
| inputData | textarea | 是 | — |
| targetColumns | textarea | 否 | — |
| outputRange | text | 否 | — |
| handleMissing | select | 否 | — |
| preserveOriginal | checkbox | 否 | — |
| decimalPlaces | number |
将此工具加入你的 Model Context Protocol 服务,让 AI 智能体可以列出并调用它。
将以下内容加入你的 MCP 客户端配置:
{
"mcpServers": {
"elysiatools-data-normalizer-minmax": {
"name": "data-normalizer-minmax",
"description": "使用Min-Max缩放将数值数据标准化到0-1范围。完美用于机器学习预处理、数据分析和特征缩放。\n\n功能特点:\n- Min-Max缩放(0-1标准化)\n- 自定义范围支持(如-1到1)\n- 多列选择\n- 自动数据类型检测\n- 处理缺失值\n- 保留非数值列\n- 包含统计摘要\n\n常见用途:\n- 机器学习特征准备\n- 神经网络输入标准化\n- 数据可视化预处理\n- 不同尺度的比较分析",
"baseUrl": "https://api.elysiatools.com/mcp/sse?toolId=data-normalizer-minmax",
"command": "",
"args": [],
"env": {},
"isActive": true,
"type": "sse"
}
}
}连接到 SSE 端点后,列出已开放的工具:
{
"jsonrpc": "2.0",
"id": 1,
"method": "tools/list"
}通过工具 id 调用,参数由其参数表构建:
{
"jsonrpc": "2.0",
"id": 2,
"method": "tools/call",
"params": {
"name": "data-normalizer-minmax",
"arguments": {
"inputData": "name,age,salary\nAlice,25,50000\nBob,30,75000\nCharlie,35,120000",
"targetColumns": "age, salary 或 name, email\n\n留空则自动检测数值列",
"outputRange": "0, 1",
"handleMissing": "skip",
"preserveOriginal": false,
"decimalPlaces": 4,
"includeStatistics": true
}
}
}有问题或反馈?请联系 [email protected]
| 否 |
| — |
| includeStatistics | checkbox | 否 | — |
文本结果
{
"result": "Processed text content",
"error": "Error message (optional)",
"message": "Notification message (optional)",
"metadata": {
"key": "value"
}
}