时间序列分类与回归的实践入门

基于摘要分析。本文是一篇时间序列分类与回归实践教程，旨在通过代码示例介绍估计器的实现与评估、已发表结果的复现，以及新算法与先进方法的比较流程；主要贡献是研究方法与工具使用的教学整合，而非提出新的 EEG 模型。 教程使用 aeon——一个开源、兼容 scikit-learn 的时间序列机器学习框架——提供代码示例，并概述时间序列分类与回归的近期研究进展。摘要未列出具体算法、模型结构、损失函数或训练设置，因此不能据此判断其覆盖的方法范围或算法优劣。 在应用部分，作者以 EEG 分类和回归的真实场景为例，涉及医学、BCI 研究和心理学，重点说明如何在同一领域的问题上比较算法，以及如何处理缺失值、不等长序列和高维数据。这里的 EEG 案例服务于通用时间序列方法的教学与评估，不应理解为已经验证某种方法在 BCI 中有效。 材料未提供数据集、被试数量、任务标签、被试内或跨被试划分、对照基线与性能指标，也没有可核对的定量结果。实验协议、消融及统计信息尚未验证。若将教程用于 EEG 复现，应进一步核对原文中的数据预处理、评估划分、指标选择，以及 aeon 版本、代码和依赖条件；当前摘要只能支持其作为实践入门与评估流程参考的定位。