用途：Aeon 是 scikit-learn 兼容的 Python 时间序列机器学习工具包，用于对时序数据做分类、回归、聚类、预测、异常检测、分割与相似性搜索，并提供特征提取、距离度量和深度学习网络。
主要能力：分类含卷积、距离、深度学习等算法（如 RocketClassifier、HIVECOTEV2、InceptionTimeClassifier）；回归如 RocketRegressor；聚类如 TimeSeriesKMeans（支持 dtw 距离）；预测如 ARIMA；异常检测如 STOMP；分割如 ClaSPSegmenter；相似性搜索如 StompMotif。变换与特征提取含 ROCKET、Catch22、归一化与缺失值处理；距离度量含 DTW、DDTW、WDTW、ERP、EDR、LCSS、TWE、MSM 及欧氏、曼哈顿、Minkowski、Shape DTW、SBD。附带数据集加载与基准对比工具。
使用方式：安装命令为 uv pip install aeon。数据形状为 (n_samples, n_channels, n_timepoints)。典型流程是先归一化，再用分类器或变换器，例如用 Normalizer 与 RocketClassifier 组成 sklearn Pipeline，或先用 RocketTransformer 提取特征再用传统机器学习模型。可用 load_classification、load_regression 加载数据，可用 get_estimator_results 对比公开结果。
适用场景与限制：适合快速原型、最高精度、可解释性和小数据集等不同需求；建议先尝试 ROCKET 变体再上深度学习，并做验证与基线对比。深度学习需要较大数据量，小数据集宜用 DTW 距离的 KNN。资料未提供具体收费、价格或平台限制信息。