Question

我使用here描述的方法创建了一个时间序列模型，得到了以下代码：

var data = items.ToArray();
var trainData = mlContext.Data.LoadFromEnumerable(data);

var estimator = mlContext.Forecasting.ForecastBySsa(
    nameof(FooPrediction.BarPrediction),
    nameof(FooInput.Bar),
    12,
    data.Length,
    data.Length,
    2,
    confidenceLowerBoundColumn: nameof(FooPrediction.ConfidenceLowerBound),
    confidenceUpperBoundColumn: nameof(FooPrediction.ConfidenceUpperBound));

var transformer = estimator.Fit(trainData);
using var engine = transformer.CreateTimeSeriesEngine<FooInput, FooPrediction>(mlContext);
engine.CheckPoint(mlContext, "model.zip");

其中items是IEnumerable<FooInput>。这些是我的模型类：

public class FooPrediction
{
    public float[] BarPrediction { get; set; }

    public float[] ConfidenceLowerBound { get; set; }

    public float[] ConfidenceUpperBound { get; set; }
}

public class FooInput
{
    public float Bar { get; set; }

    public float Baz { get; set; }
}

在我的Startup中，我添加了PredictionEnginePool：

services.AddPredictionEnginePool<FooInput, FooPrediction>().FromFile(String.Empty, "model.zip", true);

在中间件服务中，我注入了PredictionEnginePool，然后调用：

var prediction = items.Select(i => predictionEnginePool.Predict(i));

其中items是IEnumerable<FooInput>。

这将导致ArgumentOutOfRangeException被抛出到PredictionEngineBase.TransformerChecker中：

必须是行到行映射器（参数'transformer'）

调试代码，我可以看到IsRowToRowMapper对象上的ITransformer是否为真。但是，在创建模型时，会创建一个SsaForecastingTransformer并将此属性设置为false。

我做错什么了吗？还是PredictionEnginePool不支持时间序列模型？

我也尝试过使用AddPredictionEnginePool<IEnumerable<FooInput>, FooPrediction>，然后调用predictionEnginePool.Predict(items)，但这也会导致相同的异常。

Answer 1

此代码是在我的时间之后添加的，因此我没有第一手知识。

但是，据我所知，ML.NET的答案是肯定的：PredictionEnginePool很可能不支持时间序列预测。

原因是，时间序列预测引擎实际上是一个“状态机”。您需要将 all 数据（以正确的顺序）馈送到一个预测引擎，以使其正确响应此“时间序列”

预测引擎池正在解决一个完全不同的场景：如果您具有真正的无状态模型，则可以实例化少数几个可互换的预测引擎实例（一个池），并且将使用当前免费的任何引擎来处理预测。< / p>

这些“无状态”模型由代码库中的“行到行映射器”概念表示。基本上，该模型的预测是完全根据一行数据确定的。

将时序模型与PredictionEnginePool（ML.NET）配合使用时，PredictionEngineBase中的异常

1 个答案: