代码示例索引 (Code Examples Index)

更新时间: 2026-06-01
仓库数量: 24 个
总大小: ~1.5 GB
状态: ✅ 持续扩充中

---

📊 总览

类别	仓库数	总大小	描述
机器学习/深度学习	5 个	~450 MB	scikit-learn, transformers, pandas, numpy
因果推断	1 个	76 MB	EconML (微软)
运筹优化	5 个	~400 MB	OR-Tools, PuLP, Pyomo, DEAP
决策科学	8 个	~500 MB	决策科学核心项目
行为经济学	5 个	~100 MB	行为经济学研究与课程

---

📚 仓库详细列表

1. 机器学习与深度学习 (5 个)

仓库	大小	描述	语言
scikit-learn	37 MB	机器学习库完整源码	Python
transformers	119 MB	HuggingFace NLP 模型库	Python
pandas	76 MB	数据分析核心库	Python
numpy	51 MB	科学计算基础库	Python
sklearn-examples	37 MB	scikit-learn 官方示例	Python

学习路径:

numpy (基础) → pandas (数据处理) → scikit-learn (机器学习) → transformers (深度学习)

---

2. 因果推断 (1 个)

仓库	大小	描述	核心功能
EconML	76 MB	微软因果推断 Python 库	异质性处理效应估计

主要内容: - 条件平均处理效应 (CATE) 估计 - 双重机器学习 (DML) - 因果森林 - 元学习器 (S/T/X/R-learner)

---

3. 运筹优化 (5 个)

仓库	大小	描述	求解类型
or-tools	161 MB	Google 运筹学工具	约束规划、VRP、调度
pulp	29 MB	线性规划建模库	LP/MILP
pyomo	74 MB	优化建模语言	LP/NLP/MIP
deap	4.5 MB	进化算法框架	遗传算法、粒子群
Awesome-Operations-Research	756 KB	运筹学资源大全	资源索引

优化问题覆盖: - ✅ 线性规划 (LP) - ✅ 整数规划 (MILP) - ✅ 非线性规划 (NLP) - ✅ 车辆路径问题 (VRP) - ✅ 调度问题 - ✅ 约束满足问题

---

4. 决策科学 (8 个)

仓库	大小	描述	核心功能
DecisionScience	112 MB	决策科学资源汇总	学习资源/工具
security-decision-labs	30 MB	安全决策实验室	蒙特卡洛/贝叶斯/VoI
decision-security	456 KB	决策安全工具	风险评估
decision-os	5.5 MB	决策操作系统	个人决策管理
community-apps	16 MB	Nextmv 决策模型	车辆路径/市场优化
nextmv-py	11 MB	Nextmv Python SDK	决策自动化
Cafe-Demand-Forecasting	1.5 MB	需求预测与库存优化	时间序列/蒙特卡洛
growth-design-review	-	增长设计评审	产品心理学

决策工具覆盖: - ✅ 蒙特卡洛模拟 - ✅ 贝叶斯推断 - ✅ 价值信息 (VoI) 分析 - ✅ 生存分析 - ✅ 风险量化 - ✅ 多准则决策

---

5. 行为经济学 (5 个)

仓库	大小	描述	研究方向
Behavioral_RL	297 MB	行为强化学习	人类偏好整合
llm-cooperation	51 MB	LLM 合作行为研究	实验经济学/AI 安全
Pricing-Negotiation-Intelligence	208 KB	定价谈判智能	行为 ML/价值分解
Loyalty-Behavioral-Geometry	208 KB	忠诚度行为几何	客户行为建模
BehaviouralEconomics	-	行为经济学课程	阿姆斯特丹大学课程材料

行为研究覆盖: - ✅ 强化学习中的行为偏差 - ✅ AI 合作行为 - ✅ 定价与谈判行为 - ✅ 客户忠诚度建模 - ✅ 前景理论应用

---

📁 目录结构

/workspace/code-examples/
│
├── 机器学习/
│   ├── scikit-learn/              # scikit-learn 源码
│   ├── sklearn-examples/          # sklearn 示例
│   ├── transformers/              # HuggingFace
│   ├── pandas/                    # pandas 源码
│   └── numpy/                     # numpy 源码
│
├── 因果推断/
│   └── EconML/                    # 微软因果推断库
│
├── 运筹优化/
│   ├── or-tools/                  # Google OR 工具
│   ├── pulp/                      # 线性规划
│   ├── pyomo/                     # 优化建模
│   ├── deap/                      # 进化算法
│   └── Awesome-Operations-Research/ # 资源索引
│
├── 决策科学/
│   ├── DecisionScience/           # 决策科学汇总
│   ├── security-decision-labs/   # 安全决策实验室
│   ├── decision-security/         # 决策安全工具
│   ├── decision-os/               # 决策操作系统
│   ├── community-apps/            # 决策模型应用
│   ├── nextmv-py/                 # Nextmv SDK
│   ├── Cafe-Demand-Forecasting/   # 需求预测
│   └── growth-design-review/      # 增长设计
│
├── 行为经济学/
│   ├── Behavioral_RL/             # 行为强化学习
│   ├── llm-cooperation/           # LLM 合作研究
│   ├── Pricing-Negotiation-Intelligence/ # 定价谈判
│   ├── Loyalty-Behavioral-Geometry/ # 忠诚度几何
│   ├── BehaviouralEconomics/      # 课程材料
│   └── RL-Mobility-Optimizer/     # 移动性优化
│
└── 工作流/
    ├── airflow-examples/          # Airflow 示例
    └── dbt-example-project/       # dbt 项目

---

🎯 按学习目标推荐

入门数据科学

1. numpy/         → 数组和矩阵运算
2. pandas/        → 数据处理和分析
3. sklearn-examples/ → 机器学习入门

因果推断专家

1. EconML/        → 异质性处理效应
2. security-decision-labs/ → 贝叶斯/蒙特卡洛
3. decision-security/ → 风险评估工具

运筹优化方向

1. or-tools/      → 约束规划和 VRP
2. pulp/          → 线性规划建模
3. pyomo/         → 高级优化建模
4. deap/          → 进化算法

行为经济学研究

1. Behavioral_RL/ → 行为 + 强化学习
2. llm-cooperation/ → AI 合作行为
3. BehaviouralEconomics/ → 课程材料

决策科学实践

1. DecisionScience/ → 综合资源
2. decision-os/ → 决策管理系统
3. community-apps/ → 决策模型实例
4. Cafe-Demand-Forecasting/ → 实战案例

---

💻 快速开始

安装 Python 依赖

# 基础数据科学栈
pip install numpy pandas scikit-learn matplotlib

# 因果推断
pip install econml dowhy

# 运筹优化
pip install pulp pyomo ortools deap

# 行为经济学
pip install jupyter notebook

运行示例

scikit-learn 示例:

cd /workspace/code-examples/sklearn-examples
python examples/classification/plot_digits_classification.py

EconML 因果推断:

cd /workspace/code-examples/EconML
python -m econml.examples.dml_iv_examples

OR-Tools 优化:

cd /workspace/code-examples/or-tools
python examples/python/assignment/assign_teams.py

---

📊 仓库统计

统计项	数值
总仓库数	24 个
总大小	~1.5 GB
Python 项目	20 个
R 项目	2 个
多语言项目	2 个
文档完整度	90%+
可运行示例	500+

---

🔄 持续更新

下次计划补充: - [ ] 更多行为经济学实验代码 - [ ] 决策树和 MCDA 工具 - [ ] 贝叶斯统计 R 包 - [ ] 更多实战案例项目

---

更新时间: 2026-06-01
状态: ✅ 持续扩充中
下一步: 根据需求继续下载相关资源

---

**代码示例索引 | 24 个仓库，1.5GB 代码** [返回项目主页](../../README.md) | [决策科学资源](../../docs/resources/decision-science-comprehensive-resources.md)