用途：Aeon 是面向时间序列机器学习的 Python 工具包，接口与 scikit-learn 兼容，覆盖分类、回归、聚类、预测、异常检测、分割与相似性搜索等任务，适合对时序数据建模、特征提取与基准评测。
主要能力：分类提供 RocketClassifier、MiniRocketClassifier、Arsenal、HIVECOTEV2、InceptionTimeClassifier、ShapeletTransformClassifier、Catch22Classifier 等；回归提供 RocketRegressor、InceptionTimeRegressor；聚类提供 TimeSeriesKMeans（支持 dtw 距离与 ba 平均）；预测提供 ARIMA 等；异常检测提供 STOMP；分割提供 ClaSPSegmenter；相似性搜索提供 StompMotif。还包含 RocketTransformer、Catch22 等特征变换，Normalizer、MinMaxScaler、SimpleImputer 等预处理，以及 DTW、DDTW、WDTW、ERP、EDR、LCSS、TWE、MSM、Euclidean、Manhattan、Minkowski、Shape DTW、SBD 等距离度量，并提供 FCN、ResNet、InceptionTime、RecurrentNetwork、TCNNetwork、AEFCNClusterer、AEResNetClusterer 等深度网络。
使用方式：安装命令为 pip install aeon。数据格式为 (n_samples, n_channels, n_timepoints)。可用 load_classification、load_regression 加载标准数据集，用 get_estimator_results 对比已发表结果。典型流程是先做 z-normalization 等预处理，再选择算法训练与评估，也可用 RocketTransformer 提取特征后接任意 sklearn 分类器。
适用场景与限制：适合快速原型（MiniRocket 系列）、追求精度（HIVECOTEV2、InceptionTime）、需要可解释性（ShapeletTransformClassifier、Catch22）以及小数据集（DTW 距离的 KNeighborsTimeSeriesClassifier）。深度学习方法通常需要较大数据与 GPU；资料未提供收费、价格或平台信息。