線形回帰MCP
線形回帰 MCPへようこそ！このプロジェクトでは、Claude とモデルコンテキストプロトコル (MCP) を使用して、エンドツーエンドの機械学習ワークフローを実証します。
Claudeは、データセットを含むCSVファイルをアップロードするだけで、線形回帰モデルを完全に自動学習できます。システムは、データの前処理、学習、評価（RMSE計算）といったMLモデルの学習ライフサイクル全体を実行できます。
セットアップとインストール
1. リポジトリのクローンを作成します。
まず、リポジトリをローカル マシンにクローンします。
Copy
2. uvをインストールします。
uv 、Rust で書かれた非常に高速な Python パッケージおよびプロジェクトマネージャーです。このプロジェクトにおけるサーバーと依存関係の管理に不可欠です。
- ここから
uvをダウンロードしてインストールします。
3. 依存関係をインストールします。
uv がインストールされたら、次のコマンドを実行して必要な依存関係をすべてインストールします。
Copy
4. Claude Desktop を構成する:
サーバーをClaude Desktopと統合するには、Claudeの設定ファイルを変更する必要があります。お使いのオペレーティングシステムの手順に従ってください。
- macOS または Linux の場合:
Copy
- Windowsの場合:
Copy
- 設定ファイル内の
mcpServersセクションを見つけ、プレースホルダーパスをuvインストールディレクトリと線形回帰プロジェクトディレクトリへの絶対パスに置き換えます。以下のようになります。
Copy
- ファイルを保存したら、Claude Desktop を再起動して MCP サーバーにリンクします。
利用可能なツール
このプロジェクトでは、データセットの操作とモデルのトレーニングに役立つ次のツールが利用できます。
| 道具 | 説明 | 議論 |
|---|---|---|
upload_file(path) | CSV ファイルをアップロードし、処理のために保存します。 | path : CSV ファイルへの絶対パス。 |
get_columns_info() | アップロードされたデータセット内の列名を取得します。 | 議論はありません。 |
check_category_columns() | データセット内のカテゴリ列をチェックします。 | 議論はありません。 |
label_encode_categorical_columns() | ラベルはカテゴリ列を数値にエンコードします。 | 議論はありません。 |
train_linear_regression_model(output_column) | 線形回帰モデルをトレーニングし、RMSE を計算します。 | output_column : ターゲット列の名前。 |
寄稿を募集中
このプロジェクトへの貢献を歓迎します！バグ修正、新機能の追加、ドキュメントの改善など、何でもお気軽にリポジトリをフォークしてプルリクエストを送信してください。
ご提案や機能のリクエストがある場合は、問題を報告していただければ、喜んで話し合います。
You must be authenticated.
Tools
Claude が CSV ファイルをアップロードするだけで線形回帰モデルをトレーニングし、データの前処理からモデル評価までの ML パイプライン全体を処理できるようにする MCP サーバー。