Linear Regression MCP

線形回帰 MCP

線形回帰 MCP へようこそ！このプロジェクトでは、Claude と Model Context Protocol（MCP）を使用したエンドツーエンドの機械学習ワークフローを紹介します。

データセットを含む CSV ファイルをアップロードするだけで、Claude は完全に自ら 線形回帰モデル をトレーニングできます。このシステムは、データの前処理、トレーニング、評価（RMSE の計算）を処理し、ML モデルのトレーニングライフサイクル全体を実行します。

セットアップとインストール

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 で記述された、非常に高速な Python パッケージおよびプロジェクトマネージャーです。このプロジェクトでサーバーと依存関係を管理するために必要です。

• こちらから uv をダウンロードしてインストールします。

3. 依存関係をインストールする：

uv をインストールしたら、次のコマンドを実行して必要な依存関係をすべてインストールします。

uv sync

4. Claude Desktop を設定する：

サーバーを Claude Desktop 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。ご利用のオペレーティングシステムに応じて、以下の手順に従ってください。

• 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 uv のインストール先と Linear Regression プロジェクトディレクトリの絶対パスに置き換えます。次のようになります。

{
    "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 Desktop を再起動して MCP サーバーに接続します。

利用可能なツール

このプロジェクトでは、データセットの操作とモデルのトレーニングに役立つ次のツールを利用できます。

ツール	説明	引数
upload_file(path)	CSV ファイルをアップロードし、処理用に保存します。	path：CSV ファイルの絶対パス。
get_columns_info()	アップロードしたデータセットの列名を取得します。	引数なし。
check_category_columns()	データセットにカテゴリ列があるかどうかを確認します。	引数なし。
label_encode_categorical_columns()	カテゴリ列を数値にラベルエンコードします。	引数なし。
train_linear_regression_model(output_column)	線形回帰モデルをトレーニングし、RMSE を計算します。	output_column：ターゲット列の名前。

コントリビューションを募集しています

このプロジェクトへのコントリビューションを歓迎します！バグの修正、新機能の追加、ドキュメントの改善など、ぜひリポジトリをフォークしてプルリクエストを送ってください。

ご提案や機能リクエストがあれば、イシューを作成してください。喜んで検討します！

👀