Aeon 工具包指南：从时间序列到机器学习

1. 目录结构及介绍

Aeon 开源项目遵循清晰的组织结构来确保开发者能够快速找到所需的组件。以下是其基本的目录布局及简要说明：

.
├── binder                # Binder 配置，用于在线交互式环境
├── github                # 与 GitHub 相关的配置或信息
├── aeon                 # 主项目代码库
│   ├── build_tools       # 构建工具和脚本
│   ├── docs              # 文档和手册
│   ├── examples          # 示例代码和应用案例
│   ├── all-contributors  # 贡献者列表
│   ├── codecov.yml       # Codecov 的配置文件，用于代码覆盖率报告
│   ├── coveragerc        # 覆盖率报告的配置
│   ├── gitattributes     # Git 属性配置
│   ├── gitignore         # 忽略文件配置
│   ├── pre-commit-config.yaml # 代码提交前检查配置
│   ├── readthedocs.yml   # ReadTheDocs 构建配置
│   ├── CHANGELOG.md      # 更新日志
│   ├── CODEOWNERS       # 指定代码审查负责人
│   ├── CODE_OF_CONDUCT.md # 行为准则
│   ├── CONTRIBUTING.md   # 贡献指南
│   ├── CONTRIBUTORS.md   # 所有贡献者的列表
│   ├── GOVERNANCE.md     # 项目治理文档
│   ├── LICENSE           # 许可证文件（BSD-3-Clause）
│   ├── MANIFEST.in       # PyPI 包含文件清单
│   ├── README.md         # 项目概述和快速入门指南
│   └── ...               # 其他相关文件和子模块

每个子目录都承载了特定的功能或资源，例如examples提供实践样例，而docs则包含了详细的文档资料。

2. 项目的启动文件介绍

Aeon 没有明确指出一个“启动文件”，因为这是一个Python库，而不是一个独立的应用程序。但通常使用Aeon时，开发者的起点可能是导入所需的模块并开始创建模型。例如，预测任务可能从导入如 from aeon.forecasting.model_selection import forecast 开始，而在实际应用中，则通过类似以下方式调用Aeon的功能：

import aeon
from aeon.classification.distance_based import KNeighborsTimeSeriesClassifier
# 然后初始化分类器，进行拟合并预测等操作

启动Aeon涉及在Python环境中安装该库，并基于具体需求编写自己的主脚本或Jupyter Notebook。

3. 项目的配置文件介绍

Aeon项目本身并未强调特定的全局配置文件，它的配置更多是依赖于各个模块内部或者通过Python代码中的参数传递来实现。例如，在使用某些需要特殊设置的模型时，开发者会在调用相关函数或初始化类时传入配置参数。

然而，对于环境设置和开发过程中的配置，Aeon使用了标准的.gitignore来指导哪些文件不应被版本控制，以及codecov.yml和.pre-commit-config.yaml来管理代码质量和测试覆盖度。此外，如果在使用过程中需要自定义行为，比如调整算法参数，这通常是在用户的代码层面上完成，而不是通过外部配置文件。

请注意，对于特定应用的配置，开发者可能需要参考文档中关于各个类和方法的参数详情，以按需调整。