Optimización evolutiva multiobjetivo para límites percentiles por métrica y selección de configuración basada en intersecciones. DESENCADENADORES: optimización de clasificación, búsqueda de límites, intersección de métricas, límites de Optuna, búsqueda evolutiva, clasificación percentil, clasificación multiobjetivo, selección de configuración, análisis de supervivientes, métricas vinculantes, límites de frontera de Pareto.
Instala rápidamente el skill de IA evolutionary-metric-ranking en tu entorno de desarrollo mediante línea de comandos
Fuente: terrylica/cc-skills.
Methodology for systematically zooming into high-quality configurations across multiple evaluation metrics using per-metric percentile cutoffs, intersection-based filtering, and evolutionary optimization. Domain-agnostic principles with quantitative trading case studies.
Companion skills: rangebar-eval-metrics (metric definitions) | adaptive-wfo-epoch (WFO integration) | backtesting-py-oracle (SQL validation)
Raw metric values live on incompatible scales (Kelly in [-1,1], trade count in [50, 5000], Omega in [0.8, 2.0]). Percentile ranking normalizes every metric to [0, 100], making cross-metric comparison meaningful.
Optimización evolutiva multiobjetivo para límites percentiles por métrica y selección de configuración basada en intersecciones. DESENCADENADORES: optimización de clasificación, búsqueda de límites, intersección de métricas, límites de Optuna, búsqueda evolutiva, clasificación percentil, clasificación multiobjetivo, selección de configuración, análisis de supervivientes, métricas vinculantes, límites de frontera de Pareto. Fuente: terrylica/cc-skills.
Campos y comandos estables para citas de IA/búsqueda.
npx skills add https://github.com/terrylica/cc-skills --skill evolutionary-metric-rankingOptimización evolutiva multiobjetivo para límites percentiles por métrica y selección de configuración basada en intersecciones. DESENCADENADORES: optimización de clasificación, búsqueda de límites, intersección de métricas, límites de Optuna, búsqueda evolutiva, clasificación percentil, clasificación multiobjetivo, selección de configuración, análisis de supervivientes, métricas vinculantes, límites de frontera de Pareto. Fuente: terrylica/cc-skills.
Abre tu terminal o herramienta de línea de comandos (Terminal, iTerm, Windows Terminal, etc.) Copia y ejecuta este comando: npx skills add https://github.com/terrylica/cc-skills --skill evolutionary-metric-ranking Una vez instalado, el skill se configurará automáticamente en tu entorno de programación con IA y estará listo para usar en Claude Code, Cursor u OpenClaw
https://github.com/terrylica/cc-skills