Многоцелевая эволюционная оптимизация для отсечения процентилей по метрике и выбора конфигурации на основе пересечений. ТРИГГЕРЫ — оптимизация ранжирования, поиск по пороговым значениям, пересечение метрик, пороговые значения Optuna, эволюционный поиск, процентильное ранжирование, многокритериальное ранжирование, выбор конфигурации, анализ выживших, связывающие метрики, пороговые значения по границе Парето.
Быстро установите AI-навык evolutionary-metric-ranking в вашу среду разработки через командную строку
Источник: 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.
Многоцелевая эволюционная оптимизация для отсечения процентилей по метрике и выбора конфигурации на основе пересечений. ТРИГГЕРЫ — оптимизация ранжирования, поиск по пороговым значениям, пересечение метрик, пороговые значения Optuna, эволюционный поиск, процентильное ранжирование, многокритериальное ранжирование, выбор конфигурации, анализ выживших, связывающие метрики, пороговые значения по границе Парето. Источник: terrylica/cc-skills.
Стабильные поля и команды для ссылок в AI/поиске.
npx skills add https://github.com/terrylica/cc-skills --skill evolutionary-metric-rankingМногоцелевая эволюционная оптимизация для отсечения процентилей по метрике и выбора конфигурации на основе пересечений. ТРИГГЕРЫ — оптимизация ранжирования, поиск по пороговым значениям, пересечение метрик, пороговые значения Optuna, эволюционный поиск, процентильное ранжирование, многокритериальное ранжирование, выбор конфигурации, анализ выживших, связывающие метрики, пороговые значения по границе Парето. Источник: terrylica/cc-skills.
Откройте терминал или инструмент командной строки (Terminal, iTerm, Windows Terminal и т.д.) Скопируйте и выполните эту команду: npx skills add https://github.com/terrylica/cc-skills --skill evolutionary-metric-ranking После установки навык будет автоматически настроен в вашей AI-среде разработки и готов к использованию в Claude Code, Cursor или OpenClaw
https://github.com/terrylica/cc-skills