Linear Regression MCP

🚀 線性迴歸 MCP 項目

本項目展示了運用 Claude 和模型上下文協議（MCP）的端到端機器學習工作流程。用戶只需上傳一個 CSV 文件，Claude 就能獨立訓練一個線性迴歸模型。系統會完整經歷機器學習模型訓練的整個生命週期，涵蓋數據預處理、訓練以及評估（計算 RMSE）等環節。

🚀 快速開始

安裝與配置

1. 克隆倉庫

首先，將倉庫克隆到本地計算機：

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

2. 安裝 uv

uv 是一個由 Rust 編寫的超快 Python 包和項目管理器，是本項目中服務器管理和依賴項管理所必需的。

• 從 這裡 下載並安裝 uv。

3. 安裝依賴

uv 安裝完成後，運行以下命令安裝所有必要的依賴：

uv sync

4. 配置 Claude 桌面

要將服務器與 Claude 桌面集成，需要修改 Claude 的配置文件。根據你的操作系統執行以下操作：

• 對於 macOS 或 Linux：

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

• 對於 Windows：

code $env:AppData/Claude/claude_desktop_config.json

• 在配置文件中找到 mcpServers 部分，並將佔位符路徑替換為 uv 安裝的絕對路徑和線性迴歸項目目錄。示例如下：

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

• 保存文件後，重啟 Claude 桌面以鏈接到 MCP 服務器。

✨ 主要特性

以下工具可用於此項目，幫助你處理數據集和訓練模型：

🤝 貢獻說明

我們歡迎社區貢獻！如果你有任何問題、建議或改進，請訪問 GitHub 倉庫 提交 issue 或 pull request。

📞 聯繫方式

如需聯繫項目維護人員或獲取更多支持，請通過以下方式聯繫我們：

郵箱 | GitHub | Dev.to | Medium

感謝使用 線性迴歸 MCP 項目！我們期待你的參與和反饋。