aeon

Aeon 时间序列机器学习技能

技能概述

Aeon 是一个与 scikit-learn 兼容的 Python 时间序列机器学习工具包，提供分类、回归、聚类、预测、异常检测等最新算法，适用于单变量和多变量时序数据分析。

适用场景

1. 时序数据分析与建模

当你需要对时间序列数据进行分类、回归或聚类分析时，Aeon 提供了从传统算法到深度学习的完整工具链。特别适合金融数据预测、IoT 传感器分析、医疗信号处理等需要处理时序依赖关系的场景。

2. 异常检测与模式发现

当需要从时序数据中发现异常值、变化点或重复模式时，Aeon 的 STOMP、ClaSP 等算法可以高效识别异常和 motifs。适用于工业设备故障预测、网络入侵检测、质量监控等场景。

3. 快速原型与研究验证

Aeon 与 scikit-learn 兼容的 API 设计让熟悉传统机器学习的开发者能快速上手，同时提供丰富的基准数据集和评估工具，非常适合学术研究、算法对比和快速验证想法。

核心功能

1. 七大时序分析任务

Aeon 支持时间序列分类、回归、聚类、预测、异常检测、分割和相似性搜索七大任务，每个任务都提供多种算法选择。从快速的 ROCKET 系列到高精度的 HIVE-COTE V2，从可解释的 Shapelet 到端到端的深度学习网络，覆盖不同精度和速度需求。

2. 专业的时序距离度量

内置 DTW、DDTW、WDTW、ERP、EDR、LCSS、TWE、MSM 等弹性距离度量，以及欧氏距离等锁步度量。这些时序专门的距离算法能够更好地处理时间扭曲、长度不一致等问题，是距离-based 方法的核心基础。

3. 特征提取与预处理

提供 ROCKET 特征变换、Catch22 统计特征、TSFresh 特征等多种特征工程方法，支持 Z-normalization、缺失值填补等预处理。可以将时序数据转换为特征向量，与任何 scikit-learn 兼容的分类器配合使用。

常见问题

Aeon 是什么？主要用来做什么？

Aeon 是一个专门用于时间序列机器学习的 Python 库，提供从分类、回归到预测、异常检测的完整算法集合。它的最大特点是与 scikit-learn API 兼容，让开发者可以用熟悉的方式处理时序数据，支持单变量和多变量时间序列分析。

时间序列分类应该选择哪个算法？

对于快速原型开发，推荐使用 MiniRocketClassifier，速度快且效果好；追求最高精度可以使用 HIVE-COTE V2 或 InceptionTime；小数据集建议使用带 DTW 距离的 KNeighborsTimeSeriesClassifier；需要可解释性时可以选择 ShapeletTransformClassifier 或 Catch22Classifier。

Aeon 支持哪些时间序列算法？

Aeon 涵盖七大时序任务：分类（ROCKET、HIVE-COTE、InceptionTime 等）、回归、聚类（TimeSeriesKMeans）、预测（ARIMA 等）、异常检测（STOMP）、分割（ClaSP）、相似性搜索。同时支持卷积网络、循环网络、自编码器等多种深度学习架构。