线性回归MCP

Name: 线性回归MCP
Author: HeetVekariya

作者：HeetVekariya11 星标更新：2025-07-17

安装使用来源：spider==github.com

项目介绍

线性回归MCP

欢迎来到线性回归MCP！这个项目演示了使用Claude和模型上下文协议（MCP）进行端到端机器学习工作流的过程。

Claude可以完全独立地训练一个线性回归模型，只需上传包含数据集的CSV文件即可。系统会经历整个ML模型训练生命周期，处理数据预处理、训练和评估（RMSE计算）。

<br>

设置与安装

1. 克隆仓库：

首先，将仓库克隆到本地机器：

git clone https://github.com/HeetVekariya/Linear-Regression-MCP
cd Linear-Regression-MCP

2. 安装`uv`：

uv是一个用Rust编写的极快的Python包和项目管理器，对于管理此项目的服务器和依赖项至关重要。

从这里下载并安装uv。

3. 安装依赖项：

一旦安装了uv，运行以下命令以安装所有必要的依赖项：

uv sync

4. 配置Claude桌面：

为了将服务器与Claude桌面集成，您需要修改Claude配置文件。按照您的操作系统的说明进行操作：

对于macOS或Linux：

code ~/Library/Application\ Support/Claude/claude_desktop_config.json

对于Windows：

code $env:AppData\Claude\claude_desktop_config.json

在配置文件中，找到mcpServers部分，并替换占位符路径为uv安装和线性回归项目目录的绝对路径。它应该看起来像这样：

{
    "mcpServers":
    {
        "linear-regression": 
        {
            "command": "ABSOLUTE/PATH/TO/.local/bin/uv",
            "args":
            [
                "--directory",
                "ABSOLUTE/PATH/TO/YOUR-LINEAR-REGRESSION-REPO", 
                "run",
                "server.py"
            ] 
        }
    }
}

保存文件后，重启Claude桌面以连接到MCP服务器。

<br>

可用工具

本项目提供了以下工具，帮助您处理数据集并训练模型：

工具	描述	参数
`upload_file(path)`	上传CSV文件并存储以供处理。	`path`: CSV文件的绝对路径。
`get_columns_info()`	获取上传数据集中列的名称。	无参数。
`check_category_columns()`	检查数据集中是否有任何分类列。	无参数。
`label_encode_categorical_columns()`	将分类列标签编码为数值。	无参数。
`train_linear_regression_model(output_column)`	训练线性回归模型并计算RMSE。	`output_column`: 目标列的名称。

开放贡献

我欢迎对这个项目做出贡献！无论是修复错误、添加新功能还是改进文档，请随意分叉仓库并提交拉取请求。

如果您有任何建议或功能请求，请打开一个问题，我很乐意讨论它们！

线性回归MCP

项目介绍

线性回归MCP

设置与安装

1. 克隆仓库：

2. 安装uv：

3. 安装依赖项：

4. 配置Claude桌面：

可用工具

开放贡献

2. 安装`uv`：