使用说明
线性回归MCP
欢迎来到 线性回归MCP！本项目演示了使用Claude和模型上下文协议（MCP）的端到端机器学习工作流程。
克劳德 可以训练a 线性回归模型 只需上传一个包含数据集的CSV文件。该系统贯穿整个 ML模型训练生命周期，处理数据预处理、训练和评估（RMSE计算）。
设置和安装
1.克隆存储库：
首先，将存储库克隆到本地计算机：
git clone https://github.com/HeetVekariya/Linear-Regression-MCP
cd Linear-Regression-MCP
2.安装 uv:
uv 是一个非常快的Python包和项目管理器，用Rust编写。它对于管理此项目中的服务器和依赖关系至关重要。
- 下载并安装
uv从 这里.
3.安装依赖关系：
安装uv后，运行以下命令安装所有必要的依赖项：
uv sync
4.配置克劳德桌面：
要将服务器与Claude Desktop集成，您需要修改Claude配置文件。按照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，并将占位符路径替换为您的绝对路径uv安装和线性回归项目目录。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，重新启动Claude Desktop以与MCP服务器链接。
可用工具
此项目中提供了以下工具来帮助您使用数据集和训练模型：
| 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() |
检索上传数据集中的列名。 | 没有争论。 |
check_category_columns() |
检查数据集中的任何分类列。 | 没有争论。 |
label_encode_categorical_columns() |
标签将分类列编码为数值。 | 没有争论。 |
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。 |
开放供捐款
我欢迎对这个项目的贡献！无论是修复错误、添加新功能还是改进文档，都可以自由地分叉存储库并提交pull请求。
如果您有任何建议或功能请求，请打开一个问题，我很乐意与您讨论！
