선형 회귀 MCP
선형 회귀 MCP 에 오신 것을 환영합니다! 이 프로젝트는 Claude와 모델 컨텍스트 프로토콜(MCP)을 활용한 엔드투엔드 머신러닝 워크플로를 보여줍니다.
클로드는 데이터 세트가 포함된 CSV 파일을 업로드하는 것만으로 선형 회귀 모델을 완전히 스스로 학습할 수 있습니다. 시스템은 데이터 전처리, 학습, 평가(RMSE 계산)를 처리하는 전체 ML 모델 학습 라이프사이클을 거칩니다.
설정 및 설치
1. 저장소 복제:
먼저, 로컬 컴퓨터에 저장소를 복제합니다.
지엑스피1
2. uv 설치 :
uv Rust로 작성된 매우 빠른 Python 패키지 및 프로젝트 관리자입니다. 이 프로젝트의 서버 및 종속성 관리에 필수적입니다.
- 여기 에서
uv다운로드하여 설치하세요.
3. 종속성 설치:
uv가 설치되면 다음 명령을 실행하여 필요한 모든 종속성을 설치합니다.
Copy
4. Claude Desktop 구성:
서버를 Claude Desktop과 통합하려면 Claude 구성 파일을 수정해야 합니다. 운영 체제에 맞는 지침을 따르세요.
- macOS 또는 Linux의 경우:
Copy
- Windows의 경우:
Copy
- 구성 파일에서
mcpServers섹션을 찾아 자리 표시자 경로를uv설치 경로와 선형 회귀 프로젝트 디렉터리의 절대 경로로 바꾸세요. 다음과 같은 형식이어야 합니다.
Copy
- 파일을 저장한 후 Claude Desktop을 다시 시작하여 MCP 서버와 연결합니다.
사용 가능한 도구
이 프로젝트에서는 데이터세트를 다루고 모델을 학습하는 데 도움이 되는 다음 도구를 사용할 수 있습니다.
| 도구 | 설명 | 인수 |
|---|---|---|
upload_file(path) | CSV 파일을 업로드하고 처리를 위해 저장합니다. | path : CSV 파일의 절대 경로입니다. |
get_columns_info() | 업로드된 데이터 세트에서 열 이름을 검색합니다. | 논쟁의 여지가 없습니다. |
check_category_columns() | 데이터 세트에 범주형 열이 있는지 확인합니다. | 논쟁의 여지가 없습니다. |
label_encode_categorical_columns() | 레이블은 범주형 열을 숫자형 값으로 인코딩합니다. | 논쟁의 여지가 없습니다. |
train_linear_regression_model(output_column) | 선형 회귀 모델을 훈련하고 RMSE를 계산합니다. | output_column : 대상 열의 이름입니다. |
기여를 위해 열려 있습니다
이 프로젝트에 대한 기여를 환영합니다! 버그 수정, 새로운 기능 추가, 문서 개선 등 어떤 것이든 저장소를 포크하고 풀 리퀘스트를 제출해 주세요.
제안사항이나 기능 요청사항이 있으시면 이슈를 개설해 주세요. 기꺼이 논의해 드리겠습니다!
You must be authenticated.
Tools
클로드가 CSV 파일을 업로드하여 선형 회귀 모델을 학습할 수 있도록 하는 MCP 서버로, 데이터 전처리부터 모델 평가까지 전체 ML 파이프라인을 처리합니다.