aeon-toolkit/aeon

A toolkit for time series machine learning and deep learning

aeon – time‑series machine learning을 위한 scikit‑learn 호환 툴킷

무엇인가요 – aeon은 분류, 회귀, 클러스터링, 예측, 이상 탐지, 세그멘테이션, 유사도 검색, 변환, 거리/커널 및 벤치마킹 등 시계열 문제의 전 범위에 scikit‑learn API를 제공하는 Python 라이브러리입니다. 코드는 많은 알고리즘의 원저자들에 의해 작성 및 유지 관리되며, 프로젝트는 NumFOCUS, INRIA 및 UKRI의 지원을 받습니다.

주요 특징

  • 광범위한 알고리즘 커버리지 – 고전적인 통계 모델 (ARIMA)부터 최첨단 딥러닝 네트워크 (InceptionTime, H‑InceptionTime, LITE, ResNet) 및 Hydra‑MultiRocket, HIVE‑COTEv2.0, SETAR‑Tree, KASBA, CLASP, DrCIF, TDE 등과 같은 특화된 방법론까지 포함합니다.
  • Scikit‑learn 스타일 인터페이스 – 모든 추정기(estimator)는 fit, predict, score, transform 등을 구현하므로, 파이프라인 및 기존 도구와 함께 사용할 수 있습니다.
  • 벤치마크 및 재현성 – 이 라이브러리는 재현 가능한 실험적 평가를 위한 유틸리티를 제공하며, 시계열 커뮤니티가 신뢰하는 벤치마크 스위트를 반영합니다.
  • 딥러닝 지원 – 선택 사항인 TensorFlow/Keras 백엔드 (aeon[all_extras])를 통해 고전적인 추정기와 동일한 API로 GPU 가속 모델을 제공합니다.
  • 광범위한 문서화 및 예제 – 전체 웹사이트, API 레퍼런스, 그리고 (Binder에서 실행 가능한) 노트북 갤러리를 통해 모든 작업을 다룹니다.

일반적인 사용법 (UCR 데이터셋에서의 분류)

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))

동일한 패턴이 회귀, 클러스터링, 예측 등에도 적용됩니다.

설치

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

Python 3.10+가 필요합니다.

커뮤니티 및 거버넌스 – 활발한 Discord, GitHub Discussions, 행동 강령, 그리고 명확한 기여 가이드가 있습니다. 프로젝트는 JMLR (2024)에 발표되었으며, 바로 사용할 수 있는 BibTeX 항목을 통해 인용할 수 있습니다.

누가 사용해야 하나요?

  • 최신 시계열 방법론의 충실한 구현이 필요한 연구자.
  • 다양한 시계열 작업에 대해 단일하고 일관된 API를 원하는 실무자.
  • 고전적인 특징 기반 모델과 딥러닝 네트워크를 결합한 파이프라인을 구축하려는 모든 사람.

위의 모든 정보는 저장소의 README에서 직접 가져온 것이며, 추가적인 주장은 포함되지 않았습니다.