mcp-server-scikit-learn: MCP server for Scikit-learn
2025.03.20
2
Python机器学习模型训练数据预处理开发效率
mcp-server-scikit-learn 是一个为 Scikit-learn 提供的 Model Context Protocol 服务器，它为与 Scikit-learn 模型和数据集的交互提供了标准化的接口。该服务器支持模型的训练、评估、数据预处理、特征工程、模型持久化等功能，适用于机器学习开发和研究场景。
View on GitHub
Overview
基本能力
产品定位
mcp-server-scikit-learn 是一个为 Scikit-learn 提供的 Model Context Protocol 服务器，旨在为机器学习开发者和研究人员提供一个标准化的接口，以便更高效地交互和管理 Scikit-learn 模型和数据集。
核心功能
- 训练和评估 Scikit-learn 模型
- 处理数据集和数据预处理
- 模型持久化和加载
- 特征工程和选择
- 模型评估指标
- 交叉验证和超参数调优
适用场景
- 机器学习模型开发和训练
- 数据预处理和特征工程
- 模型评估和优化
- 机器学习研究和实验
工具列表
- MCP Inspector：用于调试和监控 MCP 服务器的运行状态，可以通过浏览器访问调试界面。
常见问题解答
暂无常见问题解答。
使用教程
使用依赖
- 确保已安装 Python 和 Git。
- 创建并激活虚拟环境：
python -m venv .venv
source .venv/bin/activate # On Windows: .venv\Scripts\activate
安装教程
- 克隆项目仓库：
git clone https://github.com/yourusername/mcp-server-scikit-learn.git
cd mcp-server-scikit-learn
- 安装依赖：
pip install -e ".[dev]"
- 启动 MCP Inspector：
npx @modelcontextprotocol/inspector uv --directory=src/mcp_server_scikit_learn run mcp-server-scikit-learn
或者将工具添加为 MCP 服务器：
{
"scikit-learn": {
"command": "uv",
"args": [
"--directory",
"/path/to/mcp-server-scikit-learn",
"run",
"mcp-server-scikit-learn"
]
}
}
调试方式
- 运行测试：
pytest -s -v tests/
- 启动 MCP Inspector 后，访问浏览器中显示的 URL 进行调试。