线性回归 MCP
欢迎来到线性回归 MCP ！该项目演示了使用 Claude 和模型上下文协议 (MCP) 的端到端机器学习工作流程。
只需上传包含数据集的 CSV 文件， Claude即可自行训练线性回归模型。该系统涵盖整个机器学习模型训练生命周期，包括数据预处理、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机器：
2.安装uv ：
uv是一个极快的 Python 包和项目管理器，用 Rust 编写。它对于管理本项目的服务器和依赖项至关重要。
从这里下载并安装
uv。
3.安装依赖项：
安装 uv 后，运行以下命令安装所有必要的依赖项：
4.配置Claude桌面：
要将服务器与 Claude Desktop 集成，您需要修改 Claude 配置文件。请按照您的操作系统的说明进行操作：
对于 macOS 或 Linux：
对于 Windows：
在配置文件中，找到
mcpServers部分，并将占位符路径替换为uv安装目录和线性回归项目目录的绝对路径。如下所示：
保存文件后，重新启动 Claude Desktop 以链接 MCP 服务器。
Related MCP server: Fused MCP Agents
可用工具
该项目提供以下工具来帮助您处理数据集和训练模型：
工具 | 描述 | 参数 |
| 上传 CSV 文件并将其存储以供处理。 |
|
| 检索已上传数据集中的列名。 | 没有争论。 |
| 检查数据集中的任何分类列。 | 没有争论。 |
| 标签将分类列编码为数值。 | 没有争论。 |
| 训练线性回归模型并计算 RMSE。 |
|
开放贡献
欢迎大家为这个项目做出贡献！无论是修复错误、添加新功能，还是改进文档，欢迎随时 fork 代码库并提交 Pull 请求。
如果您有任何建议或功能请求，请提出问题，我很乐意讨论它们！