guzhujushi
8ec08ea9ce
random_walk 由用户本人写；Codex 改一处真 bug + 工程侧。 - 真 bug：默认采样器 rng.integers(0, 2, size=size, dtype=float) 被 numpy 拒掉 （Unsupported dtype dtype(float64) for integers），默认路径 100% success=False、 data=None，连 docstring 的 Examples 都跑不通。改成 integers(size=size) * 2 - 1， 由后面的 np.asarray(..., dtype=float) 转 float；实测 (5,101)、步长恒 ±1、同种子可复现 - 工程：ruff W293 x2；docstring 补全（n_steps/n_paths/start/random_state + Returns / Raises / Notes，写清 step_sampler 收二维 size=(n_paths, n_steps)） - tests：random_walk 首次有测试，新增 6 条（形状 + start、步长恒 ±1、可复现、自定义 高斯采样器、3 类非法入参、docstring Example） - monte_carlo_integral：用户第二轮已收 ndarray + 把三行提出 if/else（决策 52） - 验证：205 收集 / 174 passed / 31 skipped / 0 xfail，ruff 0，pyright 0 - docs：STATUS 决策 53 + random_walk 4 条待办；CHANGELOG；易错点 24/25，第 18 条复发 +1
MCM/ICM Toolkit
这是我参加美赛时用的学习和准备复用的代码，有需要可以自行克隆和修改。
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
# 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
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 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—— 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。