# MCM/ICM Toolkit

美赛（MCM/ICM）编程手的**竞赛层工具箱**：
把比赛中反复手写的代码沉淀成"高频算法自己实现 + 成熟库薄封装 + 统一结果接口"。

> **不**替代 SciPy / scikit-learn / statsmodels / NetworkX / SALib / SymPy。
> 只做它们到"4 天赛程能用"之间的那一层。

## 快速开始

```powershell
# 1) 建环境（两条路选一条）
.\scripts\setup-venv.ps1        # venv，零下载，复用 Anaconda base 的科学栈
.\scripts\setup-conda.ps1      # conda 环境 mcm-toolkit（精准包列表，走代理下载）

# 2) 自检
.\scripts\doctor.ps1

# 3) 激活
.\.venv\Scripts\Activate.ps1
```

```python
import mcm_toolkit as mcm

mcm.set_seed(42)
r = mcm.bootstrap_ci(data, statistic=np.median, random_state=42)
print(r.params["low"], r.params["high"])
```

## 当前状态（v0.0.1）

本地 git 仓库已初始化（`main`，首次提交 `5319589`），远程 Gitea 待配置。

**接口已定，实现未填。** 所有函数体是 `raise NotImplementedError` + `TODO(L0/L1/v0.2)` 标记，
按 [docs/03-roadmap.md](docs/03-roadmap.md) 的 L0 → L1 顺序填。

## 目录

| 路径 | 说明 |
|---|---|
| `src/mcm_toolkit/` | 包源码，7 个子包 |
| `tests/` | 测试，与包一一对应（测已知解析解，不测实现细节） |
| `examples/` | 每个模块一个能跑的最小例子 |
| `problems/` | 历年真题（每做完一题，反向沉淀 1～3 个通用函数） |
| `notebooks/` | 探索用 |
| `docs/` | 需求、架构、路线图、环境、规范 |
| `scripts/` | 环境脚本 |
| `STATUS.md` | 当前进度 |

## 子包

| 包 | 职责 | 关键函数 |
|---|---|---|
| `core` | 基础设施 | `Result` `get_rng` `check_*` |
| `data` | 读 / 洗 / 变换 / 采样 | `load_table` `detect_outliers` `normalize` |
| `stats` | 描述 / 推断 / bootstrap | `describe` `bootstrap_ci` `fit_distribution` |
| `models` | 回归 / 时序 / ML | `fit_linear` `fit_arima` `compare_models` |
| `solve` | 优化 / 模拟 / 敏感性 | `monte_carlo` `simulated_annealing` `sobol_analyze` |
| `decision` | 评价决策 | `entropy_weights` `ahp_weights` `topsis` `gm11` |
| `viz` | 出图出表 | `plot` `save_figure` `save_table` |

## 文档

开始动手前请先读 [docs/01-suggestion-review.md](docs/01-suggestion-review.md)——
它记录了"为什么最终结构是这样"，以及**明确不做什么**。

## 许可

MIT，见 [LICENSE](LICENSE)。