aeon
Tillämpar maskininlärning för tidsserier — klassificering, prognostisering, anomalidetektion.
Tested · Didn't pass
Vad den gör
Den här skillen bör användas för maskininlärningsuppgifter med tidsserier, inklusive klassificering, regression, klustring, prognostisering, anomalidetektion, segmentering och likhetssökning. Använd vid arbete med temporal data, sekventiella mönster eller tidsindexerade observationer som kräver specialiserade algoritmer utöver standard-ML-metoder. Särskilt lämpad för univariata och multivariata tids…
Testrapport
Testade installation (ord för ord git-clone + cp, ren; strikt YAML-frontmatter, alla 11 referensfiler finns), ett 6-prompt trigger-batteri, och en anomalidetektions-OUTPUT-uppgift mot en bas-arm (utan skill). Snabbstarten för klassificering (RocketClassifier + GunPoint) körs exakt som den står skriven, men snabbstarten för anomaly_detection, `from aeon.anomaly_detection import STOMP`, är trasig i aeon 1.5.0 (den riktiga sökvägen är `aeon.anomaly_detection.series.distance_based.STOMP`) och kräver tyst odokumenterade mjuka beroenden stumpy och psutil — psutil täcks inte ens av den dokumenterade `aeon[all_extras]`-fallbacken. A/B: skill-armen använde äkta aeon-STOMP och lokaliserade det anomala segmentet korrekt, men en ren NumPy-bas-arm matchade den och var faktiskt skarpare (exakt segment 40-44, korrekt toppunkt, ren separation), så den specialiserade algoritmen gav ingen fördel på den här uppgiften och kom med import-/beroendefriktion.
Testad: 2026-07-11 · Claude Code 2.x (agent harness)
Installation
git clone https://github.com/K-Dense-AI/scientific-agent-skills cd scientific-agent-skills mkdir -p ~/.claude/skills cp -r skills/aeon ~/.claude/skills/aeon
Kommandon och exempelprompter
/aeonTillämpar maskininlärning för tidsserier — klassificering, prognostisering, anomalidetektion.
Skills triggas av vanliga förfrågningar — inga kommandon att memorera. Efter installationen aktiverar prompter som dessa skillen (på engelska):
Forecast this time series using aeon algorithmsClassify these sequences with a time-series modelDetect anomalies in this sensor time-series data