Z-Score标准化工具

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

API 文档

请求端点

POST /zh/api/tools/data-zscore-normalizer

请求参数

参数名	类型	必填	描述
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	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

响应格式

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

文本: 文本

AI MCP 文档

将此工具添加到您的 MCP 服务器配置中：

{
  "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。

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",
      "baseUrl": "https://elysiatools.com/mcp/sse?toolId=data-zscore-normalizer",
      "command": "",
      "args": [],
      "env": {},
      "isActive": true,
      "type": "sse"
    }
  }
}

你可以串联多个工具，比如：`https://elysiatools.com/mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp`，最多20个。

如果遇见问题，请联系我们：[email protected]