我根据这里描述的方法创建了一个时间序列模型，生成的代码如下：
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，我这样添加PredictionEnginePool：
services.AddPredictionEnginePool<FooInput, FooPrediction>().FromFile(String.Empty, "model.zip", true);在我的中间件服务中，我注入了PredictionEnginePool，然后调用：
var prediction = items.Select(i => predictionEnginePool.Predict(i));其中items是IEnumerable<FooInput>。
这导致在PredictionEngineBase.TransformerChecker中抛出了ArgumentOutOfRangeException：
必须是行到行的映射器（参数 ‘transformer’）
调试代码时，我可以看到对ITransformer对象的IsRowToRowMapper属性的检查为真。然而，当模型创建时，创建了一个SsaForecastingTransformer，其此属性被设置为false。
我做错了什么，还是PredictionEnginePool不支持时间序列模型？
我还尝试了AddPredictionEnginePool<IEnumerable<FooInput>, FooPrediction>，然后调用predictionEnginePool.Predict(items)，但这也导致了相同的异常。
回答：
这段代码是在我之后添加的，所以我没有第一手的知识。
但是，据我所知ML.NET，答案是肯定的：很可能PredictionEnginePool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”。你需要将所有数据，按照正确的顺序，喂给一个预测引擎，这样它才能正确地响应这个“时间序列”。
预测引擎池解决的是完全不同的场景：如果你有真正无状态的模型，你可以实例化几个可互换的预测引擎实例（一个池），预测将由当前空闲的引擎处理。
这些“无状态”模型在代码库中由“行到行映射器”概念表示。基本上，这个模型的预测完全且仅基于一行数据决定。
