什麼是 evolutionary-metric-ranking？
針對每個指標百分位數截止值和基於交集的配置選擇的多目標演化最佳化。觸發器 - 排名優化、截止搜尋、度量交叉、Optuna 截止、進化搜尋、百分位數排名、多目標排名、配置選擇、倖存者分析、綁定指標、帕累托前沿截止。 來源：terrylica/cc-skills。
·evolutionary-metric-ranking
{}
evolutionary-metric-ranking
✓針對每個指標百分位數截止值和基於交集的配置選擇的多目標演化最佳化。觸發器 - 排名優化、截止搜尋、度量交叉、Optuna 截止、進化搜尋、百分位數排名、多目標排名、配置選擇、倖存者分析、綁定指標、帕累托前沿截止。
如何安裝 evolutionary-metric-ranking
透過命令列快速安裝 evolutionary-metric-ranking AI 技能到你的開發環境
- 開啟終端機: 開啟你的終端機或命令列工具（如 Terminal、iTerm、Windows Terminal 等）
- 執行安裝指令: 複製並執行以下指令：npx skills add https://github.com/terrylica/cc-skills --skill evolutionary-metric-ranking
- 驗證安裝: 安裝完成後，技能將自動設定到你的 AI 程式設計環境中，可以在 Claude Code、Cursor 或 OpenClaw 中使用
來源：terrylica/cc-skills。
SKILL.md
查看原文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.
針對每個指標百分位數截止值和基於交集的配置選擇的多目標演化最佳化。觸發器 - 排名優化、截止搜尋、度量交叉、Optuna 截止、進化搜尋、百分位數排名、多目標排名、配置選擇、倖存者分析、綁定指標、帕累托前沿截止。 來源：terrylica/cc-skills。
可引用資訊
為搜尋與 AI 引用準備的穩定欄位與指令。
- 安裝指令
npx skills add https://github.com/terrylica/cc-skills --skill evolutionary-metric-ranking- 分類
- {}資料分析
- 認證
- ✓
- 收錄時間
- 2026-03-07
- 更新時間
- 2026-03-11
快速解答
如何安裝 evolutionary-metric-ranking？
開啟你的終端機或命令列工具（如 Terminal、iTerm、Windows Terminal 等） 複製並執行以下指令：npx skills add https://github.com/terrylica/cc-skills --skill evolutionary-metric-ranking 安裝完成後，技能將自動設定到你的 AI 程式設計環境中，可以在 Claude Code、Cursor 或 OpenClaw 中使用
這個 Skill 的原始碼在哪？
https://github.com/terrylica/cc-skills
詳情
- 分類
- {}資料分析
- 來源
- skills.sh
- 收錄時間
- 2026-03-07