Skip to main content
Glama
deenesjakoruzh
HeetVekariya

Linear Regression MCP

by HeetVekariya
OverviewInspectSchemaRelated ServersScoreDiscussions
Python
Local

Линейная регрессия МКП

Добро пожаловать в Linear Regression MCP ! Этот проект демонстрирует сквозной рабочий процесс машинного обучения с использованием Claude и Model Context Protocol (MCP).

Клод может обучить модель линейной регрессии полностью самостоятельно, просто загрузив CSV-файл, содержащий набор данных. Система проходит весь жизненный цикл обучения модели ML , обрабатывая предварительную обработку данных, обучение и оценку (вычисление RMSE).

Настройка и установка

1. Клонируйте репозиторий:

Сначала клонируйте репозиторий на локальную машину:

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

2. Установить uv :

uv — чрезвычайно быстрый пакет Python и менеджер проектов, написанный на Rust. Он необходим для управления сервером и зависимостями в этом проекте.

3. Установите зависимости:

После установки uv выполните следующую команду, чтобы установить все необходимые зависимости:

uv sync

4. Настройте Claude Desktop:

Для интеграции сервера с Claude Desktop вам необходимо изменить файл конфигурации Claude. Следуйте инструкциям для вашей операционной системы:

  • Для macOS или Linux:

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

  • Для Windows:

code $env:AppData\Claude\claude_desktop_config.json

  • В файле конфигурации найдите раздел mcpServers и замените пути-заполнители на абсолютные пути к вашей установке uv и каталогу проекта Linear Regression. Это должно выглядеть так:

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

  • После сохранения файла перезапустите Claude Desktop, чтобы подключиться к серверу MCP.

Related MCP server: Fused MCP Agents

Доступные инструменты

В этом проекте доступны следующие инструменты, которые помогут вам работать с набором данных и обучать модель:

Инструмент

Описание

Аргументы

upload_file(path)

Загружает CSV-файл и сохраняет его для обработки.

path

: Абсолютный путь к CSV-файлу.

get_columns_info()

Извлекает имена столбцов в загруженном наборе данных.

Никаких аргументов.

check_category_columns()

Проверяет наличие категориальных столбцов в наборе данных.

Никаких аргументов.

label_encode_categorical_columns()

Метка кодирует категориальные столбцы в числовые значения.

Никаких аргументов.

train_linear_regression_model(output_column)

Обучает модель линейной регрессии и вычисляет среднеквадратичную ошибку (RMSE).

output_column

: Имя целевого столбца.

Открыт для взносов

Я приветствую вклад в этот проект! Будь то исправление ошибок, добавление новых функций или улучшение документации, не стесняйтесь создавать ответвления репозитория и отправлять запросы на извлечение.

Если у вас есть предложения или пожелания по функциям, создайте тему, и я с удовольствием их обсужу!

One-click Deploy
A
security – no known vulnerabilities
F
license - not found
A
quality - confirmed to work

How are these scores calculated?

Resources

Tools

New MCP Servers

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/HeetVekariya/Linear-Regression-MCP'

If you have feedback or need assistance with the MCP directory API, please join our Discord server