Linear Regression

🚀 線形回帰 MCP

このプロジェクトは、Claude とモデルコンテキストプロトコル（MCP）を使用して、最初から最後までの機械学習ワークフローを実証しています。

Claude は、データセットが含まれる CSV ファイルをアップロードするだけで、完全に独立して 線形回帰モデル をトレーニングすることができます。システムは、データの前処理、トレーニング、評価（RMSE の計算）を含む ML モデルトレーニングのライフサイクル 全体を経ます。

🚀 クイックスタート

✨ 主な機能

• Claude を使用して、CSV ファイルから直接線形回帰モデルをトレーニングできます。
• データの前処理、トレーニング、評価の全プロセスを自動化します。
• データセットの処理とモデルのトレーニングに役立つツールが用意されています。

📦 インストール

1. リポジトリをクローンする：

まず、リポジトリをローカルマシンにクローンします。

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

2. uv をインストールする：

uv は、Rust で書かれた非常に高速な Python パッケージとプロジェクトマネージャーです。このプロジェクトでは、サーバーと依存関係を管理するために必要です。

• ここ から uv をダウンロードしてインストールしてください。

3. 依存関係をインストールする：

uv のインストールが完了したら、以下のコマンドを実行してすべての必要な依存関係をインストールします。

uv sync

4. Claude デスクトップを設定する：

サーバーを Claude デスクトップと統合するには、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に応じて操作してください。

• macOS または Linux の場合：

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

• Windows の場合：

code $env:AppData/Claude/claude_desktop_config.json

• 設定ファイルで、mcpServers セクションを見つけ、プレースホルダーのパスを .local/bin/uv の絶対パスと線形回帰プロジェクトディレクトリの絶対パスに置き換えます。以下のようになるはずです。

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

• ファイルを保存したら、Claude デスクトップを再起動して MCP サーバーに接続します。

💻 使用例

基本的な使用法

# 単純な線形回帰の例
import numpy as np
from sklearn.linear_model import LinearRegression

# データを生成する
X = np.array([[1], [2], [3], [4], [5]])
y = np.array([2, 4, 5, 4, 5])

# モデルをトレーニングする
model = LinearRegression()
model.fit(X, y)

# 予測する
predictions = model.predict(X)
print("予測値:", predictions)
print("係数:", model.coef_)
print("切片:", model.intercept_)

📚 詳細ドキュメント

利用可能なツール

このプロジェクトでは、データセットの処理とモデルのトレーニングに役立つ以下のツールが利用可能です。

📄 ライセンス

このセクションの情報は元の README に含まれていなかったため、表示されません。

貢献者

• 作者：Heet Vekariya

連絡先

このプロジェクトに関する質問やフィードバックがある場合は、以下の方法で連絡してください。

お問い合わせ