aeon-toolkit/aeon

A toolkit for time series machine learning and deep learning

aeon – time‑series machine learning 用の scikit‑learn 互換ツールキット

概要 – aeon は、分類、回帰、クラスタリング、予測、異常検知、セグメンテーション、類似性検索、変換、距離/カーネル、およびベンチマークといった、時系列問題の全範囲に馴染みのある scikit‑learn API を提供する Python ライブラリです。コードは多くのアルゴリズムの原著者によって作成・維持されており、プロジェクトは NumFOCUS、INRIA、および UKRI によって支援されています。

主な特徴

  • 幅広いアルゴリズムの網羅性 – 古典的な統計モデル (ARIMA) から、最先端のディープラーニング・ネットワーク (InceptionTime, H‑InceptionTime, LITE, ResNet) や、Hydra‑MultiRocket, HIVE‑COTEv2.0, SETAR‑Tree, KASBA, CLASP, DrCIF, TDE などの専門的な手法まで対応しています。
  • Scikit‑learn スタイルのインターフェース – すべてのエスティメータは fit, predict, score, transform などを実装しており、パイプラインや既存のツールで使用できます。
  • ベンチマークと再現性 – このライブラリには、再現可能な実験評価のためのユーティリティが付属しており、時系列コミュニティが信頼するベンチマーク・スイートを反映しています。
  • ディープラーニングのサポート – オプションの TensorFlow/Keras バックエンド (aeon[all_extras]) を使用することで、古典的なエスティメータと同じ API で GPU 加速モデルを利用できます。
  • 広範なドキュメントと例 – 完全なウェブサイト、API リファレンス、およびノートブックのギャラリー (Binder でも実行可能) が、あらゆるタスクをカバーしています。

典型的な使用例 (UCR データセットでの分類)

from aeon.classification.convolution_based import RocketClassifier
from aeon.datasets import load_gunpoint

X_train, y_train = load_gunpoint(split="train")
X_test,  y_test  = load_gunpoint(split="test")

clf = RocketClassifier()
clf.fit(X_train, y_train)
print("Accuracy:", clf.score(X_test, y_test))

同じパターンは、回帰、クラスタリング、予測などにも適用できます。

インストール方法

pip install aeon               # core package
pip install aeon[all_extras]   # includes deep‑learning deps

Python 3.10+ が必要です。

コミュニティとガバナンス – アクティブな Discord、GitHub Discussions、行動規範、および明確な貢献ガイドがあります。プロジェクトは JMLR (2024) に掲載されており、すぐに使える BibTeX エントリが提供されています。

どのような人が使うべきか？

  • 最新の時系列手法の忠実な実装を必要とする研究者。
  • 多くの時系列タスクに対して、単一の、一貫性のある API を求めている実務家。
  • 古典的な特徴量ベースのモデルとディープラーニング・ネットワークを組み合わせたパイプラインを構築しているすべての人。

上記の情報はリポジトリの README から直接引用されたものであり、追加の主張は含まれていません。