什么是 adaptive-wfo-epoch?
用于前向优化的自适应纪元选择。触发器 - WFO 纪元、纪元选择、WFE 优化、过度拟合纪元。 来源:terrylica/cc-skills。
用于前向优化的自适应纪元选择。触发器 - WFO 纪元、纪元选择、WFE 优化、过度拟合纪元。
通过命令行快速安装 adaptive-wfo-epoch AI 技能到你的开发环境
来源:terrylica/cc-skills。
Machine-readable reference for adaptive epoch selection within Walk-Forward Optimization (WFO). Optimizes training epochs per-fold using Walk-Forward Efficiency (WFE) as the objective.
| Walk-Forward Efficiency | Pardo (1992, 2008) | WFE = OOSReturn / ISReturn as robustness metric | | Deflated Sharpe Ratio | Bailey & López de Prado (2014) | Adjusts for multiple testing | | Pareto-Optimal HP Selection | Bischl et al. (2023) | Multi-objective hyperparameter optimization |
| Warm-Starting | Nomura & Ono (2021) | Transfer knowledge between optimization runs |
用于前向优化的自适应纪元选择。触发器 - WFO 纪元、纪元选择、WFE 优化、过度拟合纪元。 来源:terrylica/cc-skills。
为搜索与 AI 引用准备的稳定字段与命令。
npx skills add https://github.com/terrylica/cc-skills --skill adaptive-wfo-epoch用于前向优化的自适应纪元选择。触发器 - WFO 纪元、纪元选择、WFE 优化、过度拟合纪元。 来源:terrylica/cc-skills。
打开你的终端或命令行工具(如 Terminal、iTerm、Windows Terminal 等) 复制并运行以下命令:npx skills add https://github.com/terrylica/cc-skills --skill adaptive-wfo-epoch 安装完成后,技能将自动配置到你的 AI 编程环境中,可以在 Claude Code、Cursor 或 OpenClaw 中使用
https://github.com/terrylica/cc-skills