Skip to content

QuickStart.md

Latest commit

 

History

History
199 lines (142 loc) · 5.14 KB

QuickStart.md

File metadata and controls

199 lines (142 loc) · 5.14 KB

🚀 快速开始指南

环境配置

1. 安装依赖

cd MathModelHub
pip install -r requirements.txt

或者安装为Python包：

pip install -e .

2. 验证安装

python -c "import numpy, pandas, matplotlib, sklearn; print('环境配置成功！')"

📚 快速使用

使用Jupyter Notebook可视化

本项目提供预制的可视化Notebook，可直接运行：

# 启动Jupyter
jupyter notebook

# 打开 data_analysis/visualization/ 目录下的notebook
# 例如：01_直方图_分布分析.ipynb

可用的可视化Notebook：

  • 01_直方图_分布分析.ipynb - 数据分布分析
  • 02_箱线图_异常值检测.ipynb - 异常值检测
  • 03_折线图_趋势分析.ipynb - 时间序列趋势
  • 04_热力图_相关性矩阵.ipynb - 相关性分析
  • 05_柱状图_分组对比.ipynb - 分组对比
  • 06_散点图_预测评估.ipynb - 预测效果评估

使用论文模板

快速开始：查看 templates/07_README.md

LaTeX + VSCode（强烈推荐）⭐⭐⭐

Mac安装：

# 1. 安装LaTeX（约4GB，需20-30分钟）
brew install --cask mactex

# 2. VSCode安装插件：LaTeX Workshop

Windows安装：

1. 下载 MiKTeX: https://miktex.org/download
2. 安装（选择"Install missing packages on-the-fly: Yes"）
3. VSCode安装插件：LaTeX Workshop

使用：

1. 打开 templates/latex/mcmthesis/mcmthesis-demo.tex
2. Ctrl/Cmd + Alt + B: 编译
3. Ctrl/Cmd + Alt + V: 预览PDF

备选： Overleaf在线（https://www.overleaf.com）

Word模板

打开 templates/word/MCM_Template.docx
填写摘要页，开始写作

详细教程：templates/07_README.md（含完整配置、使用技巧、常见问题等）
命令速查：templates/08_LATEX_CHEATSHEET.md

查看完整建模案例

data_analysis/preprocessing/2025C示例/ 目录包含完整的美赛C题建模分析案例：

2025C示例/
├── problem.md              # 题目说明
├── 数据预处理.ipynb         # 数据清洗和处理
├── 模型分析/
│   └── 建模分析.ipynb      # 完整建模过程
└── *.csv                   # 原始数据和处理结果

🎯 参加美赛准备

赛前准备清单

  • 熟悉常用算法（见 algorithms/algorithms_reference.md）
  • 运行可视化Notebook，熟悉图表制作
  • 测试LaTeX环境（准备好论文模板）
  • 阅读O奖论文（past_problems/ 目录）
  • 准备翻译工具（DeepL、ChatGPT等）

比赛时工作流程

  1. Day 1上午：选题

    • 在 competitions/2026/problem_analysis/ 中记录分析

  2. Day 1下午-Day 3：建模求解

    • 代码存放在 competitions/2026/code/
    • 数据存放在 competitions/2026/data/

  3. Day 2-Day 4：论文撰写

    • 使用 templates/ 中的模板
    • 论文存放在 competitions/2026/paper/

  4. Day 5上午：最终检查提交

📖 学习路径

新手入门（赛前1个月）

  1. 第1周：学习Python基础和NumPy、Pandas
  2. 第2周：掌握评价模型（AHP、熵权法、TOPSIS）
  3. 第3周：学习预测模型（ARIMA、回归分析）
  4. 第4周：练习论文写作，阅读O奖论文

快速提升（赛前1周）

  1. 运行 data_analysis/visualization/ 中的所有Notebook
  2. 学习 data_analysis/preprocessing/2025C示例/ 的建模流程
  3. 阅读 docs/mcm_guide.md 完整指南
  4. 熟悉 algorithms/algorithms_reference.md 算法手册

💡 常用资源快速链接

资源 位置 说明
完整指南 docs/mcm_guide.md 评审机制、选题策略等
团队协作 docs/team_workflow.md 详细分工、工具配置、协作流程 ⭐
算法手册 algorithms/algorithms_reference.md 算法使用参考
历年真题 past_problems/README.md 论文和统计
论文模板 templates/ LaTeX和Word模板
可视化示例 data_analysis/visualization/ Jupyter Notebook

🔧 常见问题

Q: 如何测试环境？

# 进入项目目录
cd MathModelHub

# 测试核心库
python -c "
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
print('所有核心库导入成功！')
"

Q: 如何运行可视化示例？

# 启动Jupyter
jupyter notebook

# 在浏览器中打开 data_analysis/visualization/ 目录
# 选择任意 .ipynb 文件运行

Q: 如何准备数据集？

将数据放入 competitions/2026/data/ 目录，参考 data_analysis/preprocessing/ 中的预处理Notebook。

🎓 学习建议

  1. 不要贪多：重点掌握5-6个高频算法
  2. 多跑Notebook：在 data_analysis/ 中练习数据分析
  3. 看O奖论文：学习摘要写法和图表设计
  4. 练习英文：提前准备常用表达和模板句
  5. 团队协作：提前分工，明确各自任务

📞 获取帮助

  • 查看文档：docs/ 目录
  • 运行示例：data_analysis/ 目录
  • 参考历年题：past_problems/ 目录

祝比赛顺利，取得好成绩！🏆