MCP 服务器

Linear Regression MCP

一个 MCP 服务器，只需上传 CSV 文件即可让 Claude 训练线性回归模型，处理从数据预处理到模型评估的整个机器学习流程。 (Alternatively, a slightly more technical translation:) 一个 MCP 服务器，允许 Claude 通过简单上传 CSV 文件来训练线性回归模型，并处理包括数据预处理和模型评估在内的整个机器学习流水线。

Tools

check_category_columns

This function check if data has categorical columns. Returns: String which contains list of categorical columns.

label_encode_categorical_columns

This function label encodes all the categorical columns. Returns: String which confirms success of encoding process.

train_linear_regression_model

This function trains linear regression model. Args: Takes input for output column name. Returns: String which contains the RMSE value.

upload_file

This function read the csv data and stores it in the class variable. Args: Absolute path to the .csv file. Returns: String which shows the shape of the data.

get_columns_info

This function gives information about columns. Returns: String which contains column names.

README

线性回归 MCP

欢迎来到 线性回归 MCP! 这个项目演示了使用 Claude 和模型上下文协议 (MCP) 的端到端机器学习工作流程。

Claude 可以完全独立地训练一个线性回归模型，只需上传一个包含数据集的 CSV 文件即可。系统将经历整个 ML 模型训练生命周期，处理数据预处理、训练和评估（RMSE 计算）。

<br>

设置和安装

1. 克隆仓库:

首先，将仓库克隆到您的本地机器：

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

2. 安装 `uv`:

uv 是一个极其快速的 Python 包和项目管理器，用 Rust 编写。它对于管理此项目中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，运行以下命令以安装所有必需的依赖项：

uv sync

4. 配置 Claude Desktop:

要将服务器与 Claude Desktop 集成，您需要修改 Claude 配置文件。按照适用于您操作系统的说明进行操作：

对于 macOS 或 Linux：

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

对于 Windows：

code $env:AppData\Claude\claude_desktop_config.json

在配置文件中，找到 mcpServers 部分，并将占位符路径替换为 uv 安装和线性回归项目目录的绝对路径。它应该看起来像这样：

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

保存文件后，重新启动 Claude Desktop 以与 MCP 服务器链接。

<br>

可用工具

以下工具可在此项目中使用，以帮助您处理数据集并训练模型：

工具	描述	参数
`upload_file(path)`	上传 CSV 文件并存储以供处理。	`path`: CSV 文件的绝对路径。
`get_columns_info()`	检索上传的数据集中的列名。	无参数。
`check_category_columns()`	检查数据集中是否存在任何分类列。	无参数。
`label_encode_categorical_columns()`	将分类列标签编码为数值。	无参数。
`train_linear_regression_model(output_column)`	训练线性回归模型并计算 RMSE。	`output_column`: 目标列的名称。