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.

• Загрузите и установите uvотсюда .

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:

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!