aeon

# Aeon 时间序列机器学习 ## 概述 Aeon 是一个与 scikit-learn 兼容的 Python 工具包，用于时间序列机器学习。它为分类、回归、聚类、预测、异常检测、分割和相似性搜索提供了最先进的算法。 ## 何时使用此技能 在以下场景中应用此技能： - 对时间序列数据进行分类或预测 - 检测时间序列中的异常或变化点 - 对相似的时间序列模式进行聚类 - 预测未来值 - 查找重复模式（基序）或异常子序列（离群点） - 使用专门的距离度量比较时间序列 - 从时间数据中提取特征 ## 安装 bash uv pip install aeon ## 核心能力 ### 1. 时间序列分类 将时间序列分类为预定义的类别。有关完整的算法目录，请参阅 `references/classification.md`。 **快速入门：** python from aeon.classification.convolution_based import RocketClassifier from aeon.datasets import load_classification # 加载数据 X_train, y_train = load_classification("GunPoint", split="train") X_test, y_test = load_classification("GunPoint", split="test") # 训练分类器 clf = RocketClassifier(n_kernels=10000) clf.fit(X_train, y_train) accuracy = clf.score(X_test, y_test) **算法选择：** - **速度 + 性能**：`MiniRocketClassifier`, `Arsenal` - **最高准确度**：`HIVECOTEV2`, `InceptionTimeClassifier` - **可解释性**：`ShapeletTransformClassifier`, `Catch22Classifier` - **小数据集**：带有 DTW 距离的 `KNeighborsTimeSeriesClassifier` ### 2. 时间序列回归 从时间序列预测连续值。有关算法，请参阅 `references/regression.md`。 **快速入门：** python from aeon.regression.convolution_based import RocketRegressor from aeon.datasets import load_regression X_train, y_train = load_regression("Covid3Month", split="train") X_test, y_test = load_regression("Covid3Month", split="test") reg = RocketRegressor() reg.fit(X_train, y_train) predictions = reg.predict(X_test) ### 3. 时间序列聚类 在没有标签的情况下对相似的时间序列进行分组。有关方法，请参阅 `references/clustering.md`。 **快速入门：** python from aeon.clustering import TimeSeriesKMeans clusterer = TimeSeriesKMeans( n_clusters=3, distance="dtw", averaging_method="ba" ) labels = clusterer.fit_predict(X_train) centers = clusterer.cluster_centers_ ### 4. 预测 预测未来时间