Titanicaianalysis

🚀 使用Claude AI和MCP协议分析泰坦尼克号数据集

本项目聚焦于利用Claude AI和MCP协议对泰坦尼克号乘客数据集进行分析。详细阐述了项目的安装、配置及使用方法，助力用户深入挖掘数据价值。

🚀 快速开始

本项目旨在借助MCP（模型上下文协议）将泰坦尼克号数据集集成到Claude中，让Claude能够动态解答关于数据的复杂问题。我们提供了预处理的数据和特定功能，方便用户进行深入分析。

✨ 主要特性

• 利用Claude AI和MCP协议分析泰坦尼克号数据集。
• 提供预处理数据及特定功能，支持深入分析。
• 每次查询时服务器加载最新数据，Claude可直接处理预处理后的数据，支持自定义问题分析。

📦 安装指南

步骤1：克隆项目仓库

使用Git克隆此仓库到本地：

git clone https://github.com/yourusername/titanic-mcp.git

步骤2：安装依赖项

进入项目目录并安装所需的Python包：

pip install -r requirements.txt

步骤3：启动MCP服务器

运行以下命令以启动MCP服务器：

python server.py

💻 使用示例

基础用法

连接到Claude Desktop

1. 打开Claude Desktop。
2. 在设置菜单中选择“开发者”选项，然后编辑配置文件（claude_desktop_config.json）。
3. 添加以下内容以配置MCP服务器：

   {
     "mcpServers": {
       "TitanicServerMCP": {
         "command": "python",
         "args": ["path/to/titanic-mcp/server.py"]
       }
     }
   }
   

4. 保存配置文件并重启Claude Desktop。

使用资源和工具

• 资源：
  • titanic://passengers：完整的泰坦尼克号乘客数据集。
  • titanic://statistics：预计算的生存率统计数据。
• 工具：
  • search_passenger：通过姓名搜索特定乘客的信息。

高级用法

以下是你可以使用Claude进行的一些典型查询：

1. “显示泰坦尼克号上的幸存者统计信息。”
2. “比较一等舱和三等舱乘客的生存率百分比。”
3. “查找姓氏为‘Astor’的乘客信息。”
4. “分析社会阶层与生存率之间的相关性。”

📚 详细文档

系统要求

• Python：需要安装最新版本的Python以运行MCP服务器。
• Claude Desktop：确保你已经安装了兼容版本的Claude桌面程序。
• 数据文件：提供泰坦尼克号乘客数据集（CSV格式）。

优缺点

优点

• 数据更新：每次查询时，服务器都会加载最新的数据。
• 结构化数据：Claude可以直接处理预处理后的数据。
• 动态分析：支持针对数据的自定义问题。

缺点

• 数据量限制：大型数据集可能超出Claude上下文窗口大小。
• 资源更新频率：资源仅在请求时加载。

可能的扩展

1. 参数化资源：例如，titanic://passengers/{class}。
2. 高级分析工具：添加复杂的统计计算功能。
3. 可视化支持：集成生成图表和图形的功能。
4. 数据库连接：将数据源从CSV文件扩展到数据库。
5. 预测模型：预加载机器学习模型以提供生存概率预测。

感谢使用本项目！如需更多信息，请访问我们的GitHub仓库或联系维护人员。