Linear Regression MCP

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：

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！

👀