• CLEAN
  • OUTLIER
  • HUMAN
  • REPORT

Datensätze für Machine Learning mit KI bereinigen

Verbinden Sie die Outlier Detection Engine einmal mit Ihrem KI-Client. Danach übernimmt Ihr Agent die gesamte statistische Arbeit, um Rauschen in Ihren Daten zu isolieren.

Fragen Sie die KI zu dieser Seite

Kurzantwort

Wie kann ich meine Datensätze mit KI bereinigen?

Ihr Agent nutzt mathematische Ausreißererkennung, um Datenpunkte zu identifizieren und zu markieren, die von der Verteilung Ihres Datensatzes abweichen. So werden Rauschen und Fehler entfernt, bevor Sie Ihr Modell trainieren. Die konkreten Ergebnisse sehen Sie unten.

Die Ergebnisse des Scans.

So werden Ihre Daten sortiert.

Die Engine verarbeitet Ihre Rohdateien und ordnet die Ergebnisse in diese Kategorien ein.

CLEAN

Validierte Datenpunkte

Die KI identifiziert Punkte, die zur statistischen Verteilung passen. Sie erhalten einen sauberen Teildatensatz, der bereit für das Training ist.

OUTLIER

Erkannte Anomalien

Die Engine markiert Punkte, die außerhalb der erwarteten mathematischen Grenzen liegen. Diese werden zur Überprüfung isoliert.

HUMAN

Manuelle Prüfung nötig

Grenzfälle, die knapp an der Schwelle zu einem Ausreißer liegen, werden an Sie weitergeleitet. Sie entscheiden, ob sie bleiben oder gelöscht werden.

REPORT

Statistische Zusammenfassung

Sie erhalten eine Aufschlüsselung der Verteilung und die genauen Gründe, warum bestimmte Punkte markiert wurden.

Der Ablauf

Was Ihre KI tut, sobald der Datensatz eintrifft.

Die KI übernimmt die komplexe statistische Analyse, damit Sie keine eigenen Skripte schreiben müssen.

  1. Datensatz scannen

    Ihr Agent liest die bereitgestellte Datei und bildet die Verteilung aller numerischen Merkmale ab.

    detect_outliers

  2. Abweichungen berechnen

    Die Engine führt mathematische Prüfungen durch, um Punkte zu finden, die signifikant vom Mittelwert oder Median abweichen.

    detect_outliers

  3. Anomalien markieren

    Die KI kennzeichnet spezifische Zeilen, die die Kriterien für Ausreißer erfüllen, und trennt sie von den validen Daten.

    detect_outliers

  4. Sauberen Datensatz erstellen

    Der Agent erstellt eine Version Ihres Datensatzes, aus der die fehlerhaften Punkte entfernt wurden.

    detect_outliers

Probieren Sie es

Kopieren Sie diese Befehle zum Starten.

Nutzen Sie diese Prompts, um den Bereinigungsprozess auszulösen.

Startpunkte

Ersetzen Sie den Text in Klammern durch Ihre tatsächlichen Dateinamen oder Datenquellen.

Outlier Detection Engine Connector

Alles bereit. Wählen Sie Ihren MCP-Client und folgen Sie den Einrichtungsschritten.

Connector-Linkhttps://edge.vinkius.com/vk_preview_dfkaEjEHL0xoHc706KKIKrxSgf6YRwqXhyMOeE7z/mcp

Claude Desktop

Folgen Sie den Schritten unten, um sich in Sekunden zu verbinden.

  1. 1In Claude Desktop, open Settings → Connectors.
  2. 2Click “Add custom connector” and paste the connector link above as the remote MCP server URL.
  3. 3Click Add and start a new chat — Outlier Detection Engine capabilities are ready to use.
Konfiguration · claude_desktop_config.jsonKopieren
{
  "mcpServers": {
    "outlier-detection-engine-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_dfkaEjEHL0xoHc706KKIKrxSgf6YRwqXhyMOeE7z/mcp"
    }
  }
}
In den Chat kopieren04

  • Führe eine Ausreißererkennung für meine Datei training_data.csv aus.

  • Identifiziere statistische Anomalien im Datensatz user_logs.json.

  • Bereinige die Datei sensor_readings.csv durch das Entfernen von Ausreißern.

  • Prüfe das Tabellenblatt customer_metrics.xlsx auf fehlerhafte Datenpunkte.

  • Claude
  • ChatGPT
  • Cursor
  • VS Code
  • Windsurf
  • Claude Code
  • JetBrains
  • Cline

Starten Sie hier

Einmal mit der Outlier Detection Engine verbinden, dann fragen.

Sie müssen den MCP nur einmal mit Ihrem Client verknüpfen. Ihre Zugangsdaten bleiben verschlüsselt und Sie können sofort damit beginnen, Ihren Agenten mit der Verarbeitung Ihrer Dateien zu beauftragen.

Outlier Detection Engine mit Ihrer KI verbinden

FAQ

So funktioniert die Aufgabe.

  • 01

    Löscht die KI meine Originaldateien?

    Nein. Die KI liest nur Ihre Daten und erstellt neue, bereinigte Versionen oder Berichte. Ihre Originaldateien bleiben unberührt.

  • 02

    Kann die KI entscheiden, welche Ausreißer behalten werden?

    Nein. Die KI identifiziert Ausreißer basierend auf mathematischen Regeln. Sie müssen die markierten Punkte prüfen und entscheiden, welche behalten oder verworfen werden.

  • 03

    Welche Dateitypen kann ich verwenden?

    Die Engine arbeitet mit gängigen Datenformaten wie CSV, JSON und Excel-Dateien.

  • 04

    Funktioniert es auch mit Textdaten?

    Nein. Dieses spezifische Tool ist für die numerische und statistische Ausreißererkennung konzipiert.

  • 05

    Woher weiß die KI, was ein Ausreißer ist?

    Sie nutzt mathematische Modelle, um Datenpunkte zu finden, die statistisch weit vom Rest des Datensatzes entfernt liegen.

  • Weitere Fragen zur Outlier Detection Engine? Die Connector-Seite liefert Antworten. Alle Funktionen des Outlier Detection Engine Connectors ansehen

Verbinde Outlier Detection Engine mit Claude, Cursor, ChatGPT & mehr