技能 aeon
⏱
aeon
安全 ⚡
包含脚本⚙️
外部命令🔑
环境变量🌐
网络访问
Aplicar aprendizaje automático a series temporales
也可从以下获取: K-Dense-AI
Los datos de series temporales requieren algoritmos especializados para clasificación, pronóstico y detección de anomalías. Aeon proporciona un conjunto de herramientas compatible con scikit-learn que incluye algoritmos de última generación para análisis de datos temporales.
支持: Claude Codex Code(CC)
1
下载技能 ZIP
2
在 Claude 中上传
前往 设置 → 功能 → 技能 → 上传技能
3
开启并开始使用
测试它
正在使用“aeon”。 Usa aeon para clasificar el conjunto de datos GunPoint
预期结果:
- Instalado aeon y cargadas las divisiones de entrenamiento/prueba de GunPoint
- Entrenado MiniRocketClassifier con 10000 kernels
- Lograda precisión de clasificación en el conjunto de prueba
- Pipeline listo para nueva clasificación de series temporales
正在使用“aeon”。 Detecta anomalías en mis datos de métricas de servidor
预期结果:
- Cargada serie temporal con 10000 puntos de datos
- Aplicado detector de anomalías STOMP con tamaño de ventana 50
- Identificados 5 puntos de anomalía por encima del percentil 95
- Marcados períodos de actividad inusual para revisión
正在使用“aeon”。 Pronostica los próximos 30 días de ventas
预期结果:
- Ajustado modelo ARIMA(1,1,1) en ventas históricas
- Generado pronóstico de 30 días con intervalos de confianza
- El modelo captura patrones de tendencia y estacionalidad
- Listo para decisiones de planificación empresarial
安全审计
安全v5 • 1/17/2026
Pure documentation skill containing only markdown files with Python code examples. No executable scripts, network calls, file system access, or external commands detected. All 523 static findings are false positives triggered by markdown formatting (backticks for inline code), documentation links, and library references. This is a wrapper for the legitimate aeon Python machine learning toolkit.
13
已扫描文件
2,826
分析行数
4
发现项
5
审计总数
风险因素
⚡ 包含脚本 (7)
⚙️ 外部命令 (473)
references/anomaly_detection.md:9 references/anomaly_detection.md:13 references/anomaly_detection.md:25 references/anomaly_detection.md:29 references/anomaly_detection.md:33 references/anomaly_detection.md:37 references/anomaly_detection.md:41 references/anomaly_detection.md:45 references/anomaly_detection.md:49 references/anomaly_detection.md:57 references/anomaly_detection.md:61 references/anomaly_detection.md:69 references/anomaly_detection.md:73 references/anomaly_detection.md:77 references/anomaly_detection.md:83 references/anomaly_detection.md:89-107 references/anomaly_detection.md:107-124 references/anomaly_detection.md:124-136 references/classification.md:9 references/classification.md:10 references/classification.md:11 references/classification.md:12 references/classification.md:13 references/classification.md:21 references/classification.md:22 references/classification.md:23 references/classification.md:24 references/classification.md:25 references/classification.md:26 references/classification.md:27 references/classification.md:35 references/classification.md:36 references/classification.md:37 references/classification.md:38 references/classification.md:46 references/classification.md:47 references/classification.md:48 references/classification.md:56 references/classification.md:57 references/classification.md:58 references/classification.md:59 references/classification.md:60 references/classification.md:68 references/classification.md:69 references/classification.md:70 references/classification.md:71 references/classification.md:72 references/classification.md:73 references/classification.md:81 references/classification.md:82 references/classification.md:83 references/classification.md:84 references/classification.md:92 references/classification.md:93 references/classification.md:101 references/classification.md:102 references/classification.md:110 references/classification.md:118 references/classification.md:119 references/classification.md:120 references/classification.md:124-136 references/clustering.md:9 references/clustering.md:10 references/clustering.md:11 references/clustering.md:12 references/clustering.md:20 references/clustering.md:21 references/clustering.md:29 references/clustering.md:30 references/clustering.md:38 references/clustering.md:46 references/clustering.md:47 references/clustering.md:48 references/clustering.md:49 references/clustering.md:50 references/clustering.md:51 references/clustering.md:59 references/clustering.md:60 references/clustering.md:61 references/clustering.md:69 references/clustering.md:75 references/clustering.md:76 references/clustering.md:77 references/clustering.md:78 references/clustering.md:84-99 references/datasets_benchmarking.md:10-19 references/datasets_benchmarking.md:19-22 references/datasets_benchmarking.md:22-31 references/datasets_benchmarking.md:31-34 references/datasets_benchmarking.md:34-39 references/datasets_benchmarking.md:39-42 references/datasets_benchmarking.md:42-46 references/datasets_benchmarking.md:46-51 references/datasets_benchmarking.md:51-55 references/datasets_benchmarking.md:55-58 references/datasets_benchmarking.md:58-62 references/datasets_benchmarking.md:62-65 references/datasets_benchmarking.md:65-69 references/datasets_benchmarking.md:69-72 references/datasets_benchmarking.md:72-76 references/datasets_benchmarking.md:76-79 references/datasets_benchmarking.md:79-83 references/datasets_benchmarking.md:83-88 references/datasets_benchmarking.md:88-92 references/datasets_benchmarking.md:92-95 references/datasets_benchmarking.md:95-99 references/datasets_benchmarking.md:99-106 references/datasets_benchmarking.md:106-107 references/datasets_benchmarking.md:107-108 references/datasets_benchmarking.md:108-109 references/datasets_benchmarking.md:109-113 references/datasets_benchmarking.md:113-122 references/datasets_benchmarking.md:122-128 references/datasets_benchmarking.md:128-134 references/datasets_benchmarking.md:134-142 references/datasets_benchmarking.md:142-153 references/datasets_benchmarking.md:153-159 references/datasets_benchmarking.md:159-168 references/datasets_benchmarking.md:168-175 references/datasets_benchmarking.md:175-188 references/datasets_benchmarking.md:188-191 references/datasets_benchmarking.md:191-196 references/datasets_benchmarking.md:196-199 references/datasets_benchmarking.md:199-210 references/datasets_benchmarking.md:210-216 references/datasets_benchmarking.md:216-227 references/datasets_benchmarking.md:227-235 references/datasets_benchmarking.md:235-240 references/datasets_benchmarking.md:240-244 references/datasets_benchmarking.md:244-247 references/datasets_benchmarking.md:247-261 references/datasets_benchmarking.md:261-285 references/datasets_benchmarking.md:285-293 references/datasets_benchmarking.md:293-301 references/datasets_benchmarking.md:301-307 references/datasets_benchmarking.md:307-310 references/datasets_benchmarking.md:310-316 references/datasets_benchmarking.md:316-322 references/datasets_benchmarking.md:322-328 references/datasets_benchmarking.md:328-337 references/datasets_benchmarking.md:337-343 references/datasets_benchmarking.md:343-353 references/datasets_benchmarking.md:353-359 references/datasets_benchmarking.md:359-369 references/datasets_benchmarking.md:369-375 references/datasets_benchmarking.md:375-387 references/distances.md:12 references/distances.md:13 references/distances.md:14 references/distances.md:15 references/distances.md:16 references/distances.md:19 references/distances.md:20 references/distances.md:21 references/distances.md:22 references/distances.md:25 references/distances.md:26 references/distances.md:27 references/distances.md:35 references/distances.md:36 references/distances.md:37 references/distances.md:38 references/distances.md:46-54 references/distances.md:54-58 references/distances.md:58-67 references/distances.md:67-71 references/distances.md:71-80 references/distances.md:80-84 references/distances.md:84-94 references/distances.md:94-102 references/distances.md:102-108 references/distances.md:108-114 references/distances.md:114-117 references/distances.md:117-121 references/distances.md:121-130 references/distances.md:130-169 references/distances.md:169-174 references/distances.md:174-180 references/distances.md:180-183 references/distances.md:183-194 references/distances.md:194-197 references/distances.md:197-208 references/distances.md:208-220 references/distances.md:220-226 references/distances.md:226-236 references/distances.md:236-242 references/distances.md:242-247 references/distances.md:247-251 references/distances.md:251-256 references/forecasting.md:9 references/forecasting.md:10 references/forecasting.md:10 references/forecasting.md:18 references/forecasting.md:19 references/forecasting.md:19 references/forecasting.md:19 references/forecasting.md:23 references/forecasting.md:24 references/forecasting.md:24 references/forecasting.md:24 references/forecasting.md:28 references/forecasting.md:29 references/forecasting.md:33 references/forecasting.md:34 references/forecasting.md:34 references/forecasting.md:38 references/forecasting.md:45 references/forecasting.md:49 references/forecasting.md:57 references/forecasting.md:58 references/forecasting.md:58 references/forecasting.md:63-80 references/forecasting.md:80-84 references/forecasting.md:84-86 references/forecasting.md:86-93 references/forecasting.md:93-110 references/forecasting.md:110-121 references/forecasting.md:121-127 references/forecasting.md:127-133 references/forecasting.md:133-137 references/forecasting.md:137-138 references/networks.md:107-123 references/networks.md:123-129 references/networks.md:129-138 references/networks.md:138-142 references/networks.md:142-143 references/networks.md:143-144 references/networks.md:144-145 references/networks.md:145-155 references/networks.md:155-156 references/networks.md:156-157 references/networks.md:157-164 references/networks.md:164-174 references/networks.md:174-180 references/networks.md:180-187 references/networks.md:187-219 references/networks.md:219-225 references/networks.md:225-231 references/networks.md:231-240 references/networks.md:240-254 references/networks.md:254-266 references/networks.md:266-280 references/networks.md:280-289 references/regression.md:9 references/regression.md:10 references/regression.md:11 references/regression.md:12 references/regression.md:13 references/regression.md:21 references/regression.md:22 references/regression.md:23 references/regression.md:24 references/regression.md:25 references/regression.md:26 references/regression.md:27 references/regression.md:28 references/regression.md:29 references/regression.md:37 references/regression.md:45 references/regression.md:46 references/regression.md:47 references/regression.md:48 references/regression.md:56 references/regression.md:64 references/regression.md:65 references/regression.md:66 references/regression.md:67 references/regression.md:68 references/regression.md:69 references/regression.md:77 references/regression.md:85 references/regression.md:86 references/regression.md:87 references/regression.md:91 references/regression.md:92 references/regression.md:93 references/regression.md:97-109 references/segmentation.md:8 references/segmentation.md:10 references/segmentation.md:10 references/segmentation.md:14 references/segmentation.md:20 references/segmentation.md:26 references/segmentation.md:31 references/segmentation.md:37 references/segmentation.md:42 references/segmentation.md:47 references/segmentation.md:52 references/segmentation.md:57-73 references/segmentation.md:73-79 references/segmentation.md:79-82 references/segmentation.md:82-99 references/segmentation.md:99-104 references/segmentation.md:104-109 references/segmentation.md:109-114 references/segmentation.md:114-119 references/segmentation.md:119-124 references/segmentation.md:124-130 references/segmentation.md:130-141 references/segmentation.md:141-154 references/segmentation.md:154-163 references/similarity_search.md:10 references/similarity_search.md:16 references/similarity_search.md:22 references/similarity_search.md:31 references/similarity_search.md:38-58 references/similarity_search.md:58-62 references/similarity_search.md:62-79 references/similarity_search.md:79-83 references/similarity_search.md:83-97 references/similarity_search.md:97-108 references/similarity_search.md:108-121 references/similarity_search.md:121-136 references/similarity_search.md:136-141 references/similarity_search.md:141-146 references/similarity_search.md:146-150 references/similarity_search.md:150-155 references/similarity_search.md:155-162 references/transformations.md:17 references/transformations.md:18 references/transformations.md:19 references/transformations.md:20 references/transformations.md:21 references/transformations.md:22 references/transformations.md:30 references/transformations.md:31 references/transformations.md:32 references/transformations.md:33 references/transformations.md:41 references/transformations.md:42 references/transformations.md:43 references/transformations.md:44 references/transformations.md:45 references/transformations.md:46 references/transformations.md:54 references/transformations.md:55 references/transformations.md:56 references/transformations.md:57 references/transformations.md:65 references/transformations.md:66 references/transformations.md:67 references/transformations.md:75 references/transformations.md:76 references/transformations.md:77 references/transformations.md:78 references/transformations.md:79 references/transformations.md:80 references/transformations.md:88 references/transformations.md:89 references/transformations.md:90 references/transformations.md:91 references/transformations.md:92 references/transformations.md:93 references/transformations.md:97 references/transformations.md:98 references/transformations.md:99 references/transformations.md:105 references/transformations.md:113 references/transformations.md:114 references/transformations.md:115 references/transformations.md:119 references/transformations.md:120 references/transformations.md:121 references/transformations.md:122 references/transformations.md:123 references/transformations.md:124 references/transformations.md:130 references/transformations.md:131 references/transformations.md:135 references/transformations.md:136 references/transformations.md:137 references/transformations.md:141 references/transformations.md:145-163 references/transformations.md:163-167 references/transformations.md:167-181 references/transformations.md:181-185 references/transformations.md:185-191 references/transformations.md:191-216 references/transformations.md:216-220 references/transformations.md:220-223 references/transformations.md:223-229 references/transformations.md:229-232 references/transformations.md:232-236 SKILL.md:25-27 SKILL.md:27-33 SKILL.md:33-36 SKILL.md:36-48 SKILL.md:48-51 SKILL.md:51 SKILL.md:51-52 SKILL.md:52 SKILL.md:52-53 SKILL.md:53 SKILL.md:53-54 SKILL.md:54-58 SKILL.md:58-61 SKILL.md:61-71 SKILL.md:71-75 SKILL.md:75-78 SKILL.md:78-88 SKILL.md:88-92 SKILL.md:92-95 SKILL.md:95-101 SKILL.md:101-105 SKILL.md:105-108 SKILL.md:108-117 SKILL.md:117-121 SKILL.md:121-124 SKILL.md:124-129 SKILL.md:129-133 SKILL.md:133-136 SKILL.md:136-142 SKILL.md:142-146 SKILL.md:146-149 SKILL.md:149-159 SKILL.md:159-162 SKILL.md:162-167 SKILL.md:167-170 SKILL.md:170-175 SKILL.md:175-179 SKILL.md:179-182 SKILL.md:182-199 SKILL.md:199-208 SKILL.md:208-211 SKILL.md:211 SKILL.md:211 SKILL.md:211-212 SKILL.md:212 SKILL.md:212-213 SKILL.md:213 SKILL.md:213-216 SKILL.md:216-222 SKILL.md:222-226 SKILL.md:226-229 SKILL.md:229-237 SKILL.md:237-240 SKILL.md:240-245 SKILL.md:245-251 SKILL.md:251-263 SKILL.md:263-267 SKILL.md:267-280 SKILL.md:280-284 SKILL.md:284-298 SKILL.md:298-305 SKILL.md:305-310 SKILL.md:310-313 SKILL.md:313-317 SKILL.md:317-319 SKILL.md:319-331 SKILL.md:331-332 SKILL.md:332-333 SKILL.md:333-336 SKILL.md:336 SKILL.md:336-337 SKILL.md:337-338 SKILL.md:338 SKILL.md:338-341 SKILL.md:341 SKILL.md:341-342 SKILL.md:342 SKILL.md:342-345 SKILL.md:345-350 SKILL.md:350-351 SKILL.md:351-352 SKILL.md:352-353 SKILL.md:353-354 SKILL.md:354-355 SKILL.md:355-356 SKILL.md:356-357 SKILL.md:357-358 SKILL.md:358-359 SKILL.md:359-360 SKILL.md:360-361
🔑 环境变量 (1)
审计者: claude 查看审计历史 →
质量评分
45
架构
100
可维护性
87
内容
21
社区
100
安全
91
规范符合性
你能构建什么
Analizar datos de sensores
Construir modelos de clasificación para flujos de sensores IoT y detectar fallas en equipos.
Estudiar patrones temporales
Descubrir motivos y anomalías en datos de mediciones científicas con métricas de distancia especializadas.
Pronosticar métricas
Predecir ventas, demanda o tráfico web usando modelos ARIMA y de pronóstico neuronal.
试试这些提示
Clasificación rápida
Usa aeon para clasificar estos datos de series temporales. Instala aeon, luego carga los datos y entrena un MiniRocketClassifier para obtener un rendimiento base rápido.
Detección de anomalías
Detecta anomalías en esta serie temporal usando aeon. Usa el algoritmo STOMP para calcular puntuaciones de anomalía e identificar puntos que excedan el percentil 95.
Pronóstico
Pronostica valores futuros a partir de esta serie temporal usando aeon. Usa ARIMA o TCNForecaster para predecir los próximos 7 pasos temporales.
Descubrimiento de patrones
Encuentra patrones recurrentes en esta serie temporal usando aeon. Usa StompMotif para descubrir los 3 motivos principales e informa sus posiciones.
最佳实践
- Normalizar datos antes de aplicar la mayoría de algoritmos para mejorar rendimiento y convergencia
- Comenzar con métodos rápidos como MiniRocket antes de pasar a enfoques de aprendizaje profundo
- Usar distancia DTW con restricciones de ventana para limitar el costo computacional
- Validar resultados usando validación cruzada cuando los datos de entrenamiento son limitados
避免
- Usar clasificadores de aprendizaje profundo en conjuntos de datos pequeños sin suficientes muestras
- Omitir la normalización de datos al usar métricas de distancia elástica como DTW
- Aplicar DTW sin restricciones de ventana en series temporales largas causando cálculo lento
- Usar distancias de bloqueo sincronizado cuando se esperan deformaciones temporales y cambios de fase
常见问题
¿Es aeon compatible con scikit-learn?
Sí, los estimadores de aeon siguen la API fit/predict de scikit-learn y funcionan con pipelines de sklearn.
¿Qué formatos de datos soporta aeon?
Aeon acepta arrays numpy con forma (n_samples, n_channels, n_timepoints).
¿Puedo usar aeon para series temporales multivariadas?
Sí, la mayoría de algoritmos manejan múltiples canales y series multivariadas de forma nativa.
¿Cómo instalo aeon?
Ejecuta 'uv pip install aeon' o 'pip install aeon' en tu entorno.
¿Cuál es la diferencia entre distancia DTW y Euclidiana?
DTW permite deformación temporal mientras que Euclidiana compara punto por punto con alineación fija.
¿Cuándo debo usar aprendizaje profundo vs métodos clásicos?
Comienza con métodos clásicos como MiniRocket para velocidad. Usa aprendizaje profundo para conjuntos de datos grandes.