用途：Aeon 是面向时间序列机器学习的 Python 工具包，与 scikit-learn 兼容，提供统一估计器 API，适用于对时序数据做分类、回归、聚类、预测、异常检测、变化点分割、相似性搜索、距离计算、特征变换与基准评测。
主要能力：分类（如 RocketClassifier、MiniRocketClassifier、HIVECOTEV2、InceptionTimeClassifier、ShapeletTransformClassifier、Catch22Classifier）；回归（RocketRegressor 等）；聚类（TimeSeriesKMeans，支持 dtw 距离与 ba 平均）；预测（NaiveForecaster、ARIMA 等，属实验模块）；异常检测（STOMP 等）；分割（ClaSPSegmenter）；相似性搜索（StompMotif）；变换与特征提取（RocketTransformer、Catch22、Normalizer、MinMaxScaler、SimpleImputer）；距离度量（DTW、DDTW、WDTW、ERP、EDR、LCSS、TWE、MSM、欧氏、曼哈顿、Minkowski、Shape DTW、SBD）；深度学习网络（FCN、ResNet、InceptionTime、RecurrentNetwork、TCN、自编码器）；数据集加载与基准测试（load_classification、load_regression、get_estimator_results）。
使用方式：需 Python 3.10+（推荐 3.11+），安装命令为 uv pip install "aeon>=1.4,<2"；深度学习等可选估计器用 uv pip install "aeon[all_extras]>=1.4,<2"（zsh 下需给 extras 加引号）。数据格式：集合为 (n_cases, n_channels, n_timepoints)，单序列为 (n_channels, n_timepoints)。示例针对 aeon 1.x（稳定文档 v1.4.0），v1.0 重构了预测与变换，导入路径与 0.x/sktime 时代不同。
适用场景：快速原型可用 MiniRocket 系列；追求精度可用 HIVECOTEV2、InceptionTime；需要可解释性可用 ShapeletTransformClassifier、Catch22；小数据集宜用 DTW 距离的 KNeighborsTimeSeriesClassifier，避免深度学习。
限制：上游将 forecasting、anomaly_detection、segmentation、similarity_search、visualisation 视为实验模块，接口可能在小版本间变化，生产管线建议优先使用稳定模块（classification、regression、clustering、distances、transformations）。其他收费、平台与效果信息暂未提供。