Data Processing
使用Z-Score(标准分数)标准化数值数据,使数据均值为0,标准差为1。完美用于统计分析、机器学习特征预处理、异常检测和不同尺度数据比较。 功能特点: - Z-Score标准化(均值=0,标准差=1) - 稳健Z-Score选项(使用中位数和MAD) - 自定义缩放到目标范围 - 多列选择 - 自动数据类型检测 - 智能处理缺失值 - 保留非数值列 - 综合统计摘要 - 异常值检测和报告 常见用途: - 机器学习特征准备 - 统计假设检验 - 异常值检测和移除 - 不同单位数据比较 - 主成分分析(PCA)预处理
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-zscore-normalizer' \
-H 'Content-Type: application/json' \
-d '{"inputData":"name,age,salary,score\nAlice,25,50000,85.5\nBob,30,75000,92.3\nCharlie,35,120000,78.9","targetColumns":"age, salary 或 name, email\n\n留空则自动检测数值列","standardizationType":"zscore","outputRange":"0, 1","handleMissing":"skip","preserveOriginal":false,"decimalPlaces":4,"includeStatistics":true,"detectOutliers":true,"outlierThreshold":2}'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-zscore-normalizer| 参数名 | 类型 | 必填 | 说明 |
|---|---|---|---|
| inputData | textarea | 是 | — |
| targetColumns | textarea | 否 | — |
| standardizationType | select | 否 | — |
| outputRange | text | 否 | 可选:将标准化值缩放到目标范围。留空则输出标准z-score。 |
| handleMissing | select | 否 | — |
| preserveOriginal |
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-zscore-normalizer": {
"name": "data-zscore-normalizer",
"description": "使用Z-Score(标准分数)标准化数值数据,使数据均值为0,标准差为1。完美用于统计分析、机器学习特征预处理、异常检测和不同尺度数据比较。\n\n功能特点:\n- Z-Score标准化(均值=0,标准差=1)\n- 稳健Z-Score选项(使用中位数和MAD)\n- 自定义缩放到目标范围\n- 多列选择\n- 自动数据类型检测\n- 智能处理缺失值\n- 保留非数值列\n- 综合统计摘要\n- 异常值检测和报告\n\n常见用途:\n- 机器学习特征准备\n- 统计假设检验\n- 异常值检测和移除\n- 不同单位数据比较\n- 主成分分析(PCA)预处理",
"baseUrl": "https://api.elysiatools.com/mcp/sse?toolId=data-zscore-normalizer",
"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-zscore-normalizer",
"arguments": {
"inputData": "name,age,salary,score\nAlice,25,50000,85.5\nBob,30,75000,92.3\nCharlie,35,120000,78.9",
"targetColumns": "age, salary 或 name, email\n\n留空则自动检测数值列",
"standardizationType": "zscore",
"outputRange": "0, 1",
"handleMissing": "skip",
"preserveOriginal": false,
"decimalPlaces": 4,
"includeStatistics": true,
"detectOutliers": true,
"outlierThreshold": 2
}
}
}| checkbox |
| 否 |
| — |
| decimalPlaces | number | 否 | — |
| includeStatistics | checkbox | 否 | — |
| detectOutliers | checkbox | 否 | — |
| outlierThreshold | number | 否 | 超过此标准差倍数的值将被标记为异常值 |
文本结果
{
"result": "Processed text content",
"error": "Error message (optional)",
"message": "Notification message (optional)",
"metadata": {
"key": "value"
}
}有问题或反馈?请联系 [email protected]