guzhujushi
b0c4b4a413
用户实现： - solve.monte_carlo（L0 第 11 项，S 档）：向量化采样→仿真→汇总，8 个指标； 批量大小由实现传 sampler(rng, size=n)；结果含 NaN 判失败；std 用 ddof=0。 - solve.monte_carlo_probability（L1，S 档）：event(batch)->bool，Wilson score 区间夹 [0,1]， confidence 记进 params，小概率改成 message 警告。 Codex 只碰工程侧（算法未动，唯一例外见下）： - 真 bug：z_score^2 是异或不是乘方（np.float64 ^ 2 抛 TypeError，被 except 吞成 success=False， 函数实际不可用）-> 改 z_score**2。新增经验第 21 条。 - docstring：补齐 Parameters / Raises，修掉两处跑不通的 Examples，Wald -> Wilson 同步。 - 入口校验按 §4.7 收严 n（bool / np.integer / TypeError 与 ValueError 分工）—— 决策 49 后此类归用户，已记档。 - ruff 九条（I001 / F541 x3 / SIM300 / W291 x2 / W293 x2 等）、格式与文案。 - 测试：摘掉 2 条已实现却仍挂着的 skip（易错点 9），新增 14 条（含 vectorization、 Wilson 对 statsmodels 的对照、NaN / 布尔 / 长度等边界），solve 段共 25 条。 校验：193 收集 / 161 passed / 32 skipped / 0 xfail；ruff 0；pyright 0。 文档：STATUS.md 决策 47-50；docs/dev/personal-pitfalls.md 第 18-21 条；CHANGELOG.md。
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。