13 KiB

Raw Permalink Blame History Unescape Escape

疑難排解指南

本指南旨在幫助您解決使用《機器學習初學者》課程時常見的問題。如果您在此未找到解決方案，請查看我們的 Discord 討論區或提交問題。

安裝問題

Python 安裝

問題：python: command not found

解決方案：

從 python.org 安裝 Python 3.8 或更高版本
驗證安裝：python --version 或 python3 --version
在 macOS/Linux 上，可能需要使用 python3 而非 python

問題：多個 Python 版本導致衝突

解決方案：

# Use virtual environments to isolate projects
python -m venv ml-env

# Activate virtual environment
# On Windows:
ml-env\Scripts\activate
# On macOS/Linux:
source ml-env/bin/activate

Jupyter 安裝

問題：jupyter: command not found

解決方案：

# Install Jupyter
pip install jupyter

# Or with pip3
pip3 install jupyter

# Verify installation
jupyter --version

問題：Jupyter 無法在瀏覽器中啟動

解決方案：

# Try specifying the browser
jupyter notebook --browser=chrome

# Or copy the URL with token from terminal and paste in browser manually
# Look for: http://localhost:8888/?token=...

R 安裝

問題：R 套件無法安裝

解決方案：

# Ensure you have the latest R version
# Install packages with dependencies
install.packages(c("tidyverse", "tidymodels", "caret"), dependencies = TRUE)

# If compilation fails, try installing binary versions
install.packages("package-name", type = "binary")

問題：IRkernel 無法在 Jupyter 中使用

解決方案：

# In R console
install.packages('IRkernel')
IRkernel::installspec(user = TRUE)

Jupyter Notebook 問題

核心問題

問題：核心不斷崩潰或重啟

解決方案：

重啟核心：Kernel → Restart
清除輸出並重啟：Kernel → Restart & Clear Output
檢查記憶體問題（請參閱性能問題）
嘗試逐個執行單元以識別有問題的代碼

問題：選擇了錯誤的 Python 核心

解決方案：

檢查當前核心：Kernel → Change Kernel
選擇正確的 Python 版本
如果核心缺失，請創建它：

python -m ipykernel install --user --name=ml-env

問題：核心無法啟動

解決方案：

# Reinstall ipykernel
pip uninstall ipykernel
pip install ipykernel

# Register the kernel again
python -m ipykernel install --user

Notebook 單元問題

問題：單元正在執行但未顯示輸出

解決方案：

檢查單元是否仍在執行（查看 [*] 指示器）
重啟核心並執行所有單元：Kernel → Restart & Run All
檢查瀏覽器控制台是否有 JavaScript 錯誤（按 F12）

問題：無法執行單元 - 點擊「執行」無反應

解決方案：

檢查 Jupyter 伺服器是否仍在終端中運行
刷新瀏覽器頁面
關閉並重新打開 Notebook
重啟 Jupyter 伺服器

Python 套件問題

匯入錯誤

問題：ModuleNotFoundError: No module named 'sklearn'

解決方案：

pip install scikit-learn

# Common ML packages for this course
pip install scikit-learn pandas numpy matplotlib seaborn

問題：ImportError: cannot import name 'X' from 'sklearn'

解決方案：

# Update scikit-learn to latest version
pip install --upgrade scikit-learn

# Check version
python -c "import sklearn; print(sklearn.__version__)"

版本衝突

問題：套件版本不兼容錯誤

解決方案：

# Create a new virtual environment
python -m venv fresh-env
source fresh-env/bin/activate  # or fresh-env\Scripts\activate on Windows

# Install packages fresh
pip install jupyter scikit-learn pandas numpy matplotlib seaborn

# If specific version needed
pip install scikit-learn==1.3.0

問題：pip install 因權限錯誤而失敗

解決方案：

# Install for current user only
pip install --user package-name

# Or use virtual environment (recommended)
python -m venv venv
source venv/bin/activate
pip install package-name

數據加載問題

問題：加載 CSV 文件時出現 FileNotFoundError

解決方案：

import os
# Check current working directory
print(os.getcwd())

# Use relative paths from notebook location
df = pd.read_csv('../../data/filename.csv')

# Or use absolute paths
df = pd.read_csv('/full/path/to/data/filename.csv')

R 環境問題

套件安裝

問題：套件安裝因編譯錯誤而失敗

解決方案：

# Install binary version (Windows/macOS)
install.packages("package-name", type = "binary")

# Update R to latest version if packages require it
# Check R version
R.version.string

# Install system dependencies (Linux)
# For Ubuntu/Debian, in terminal:
# sudo apt-get install r-base-dev

問題：tidyverse 無法安裝

解決方案：

# Install dependencies first
install.packages(c("rlang", "vctrs", "pillar"))

# Then install tidyverse
install.packages("tidyverse")

# Or install components individually
install.packages(c("dplyr", "ggplot2", "tidyr", "readr"))

RMarkdown 問題

問題：RMarkdown 無法渲染

解決方案：

# Install/update rmarkdown
install.packages("rmarkdown")

# Install pandoc if needed
install.packages("pandoc")

# For PDF output, install tinytex
install.packages("tinytex")
tinytex::install_tinytex()

測驗應用程式問題

構建與安裝

問題：npm install 失敗

解決方案：

# Clear npm cache
npm cache clean --force

# Remove node_modules and package-lock.json
rm -rf node_modules package-lock.json

# Reinstall
npm install

# If still fails, try with legacy peer deps
npm install --legacy-peer-deps

問題：8080 端口已被佔用

解決方案：

# Use different port
npm run serve -- --port 8081

# Or find and kill process using port 8080
# On Linux/macOS:
lsof -ti:8080 | xargs kill -9

# On Windows:
netstat -ano | findstr :8080
taskkill /PID <PID> /F

構建錯誤

問題：npm run build 失敗

解決方案：

# Check Node.js version (should be 14+)
node --version

# Update Node.js if needed
# Then clean install
rm -rf node_modules package-lock.json
npm install
npm run build

問題：Linting 錯誤阻止構建

解決方案：

# Fix auto-fixable issues
npm run lint -- --fix

# Or temporarily disable linting in build
# (not recommended for production)

數據和文件路徑問題

路徑問題

問題：運行 Notebook 時找不到數據文件

解決方案：

始終從 Notebook 所在目錄運行

cd /path/to/lesson/folder
jupyter notebook

檢查代碼中的相對路徑

# Correct path from notebook location
df = pd.read_csv('../data/filename.csv')

# Not from your terminal location

必要時使用絕對路徑

import os
base_path = os.path.dirname(os.path.abspath(__file__))
data_path = os.path.join(base_path, 'data', 'filename.csv')

缺少數據文件

問題：數據集文件丟失

解決方案：

檢查數據是否應包含在倉庫中 - 大多數數據集已包含
某些課程可能需要下載數據 - 查看課程 README
確保已拉取最新更改：
```
git pull origin main
```

常見錯誤訊息

記憶體錯誤

錯誤：MemoryError 或核心在處理數據時崩潰

解決方案：

# Load data in chunks
for chunk in pd.read_csv('large_file.csv', chunksize=10000):
    process(chunk)

# Or read only needed columns
df = pd.read_csv('file.csv', usecols=['col1', 'col2'])

# Free memory when done
del large_dataframe
import gc
gc.collect()

收斂警告

警告：ConvergenceWarning: Maximum number of iterations reached

解決方案：

from sklearn.linear_model import LogisticRegression

# Increase max iterations
model = LogisticRegression(max_iter=1000)

# Or scale your features first
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

繪圖問題

問題：Jupyter 中未顯示繪圖

解決方案：

# Enable inline plotting
%matplotlib inline

# Import pyplot
import matplotlib.pyplot as plt

# Show plot explicitly
plt.plot(data)
plt.show()

問題：Seaborn 繪圖顯示異常或報錯

解決方案：

import warnings
warnings.filterwarnings('ignore', category=UserWarning)

# Update to compatible version
# pip install --upgrade seaborn matplotlib

Unicode/編碼錯誤

問題：讀取文件時出現 UnicodeDecodeError

解決方案：

# Specify encoding explicitly
df = pd.read_csv('file.csv', encoding='utf-8')

# Or try different encoding
df = pd.read_csv('file.csv', encoding='latin-1')

# For errors='ignore' to skip problematic characters
df = pd.read_csv('file.csv', encoding='utf-8', errors='ignore')

性能問題

Notebook 執行緩慢

問題：Notebook 運行速度非常慢

解決方案：

重啟核心以釋放記憶體：Kernel → Restart
關閉未使用的 Notebook 以釋放資源

使用較小的數據樣本進行測試

# Work with subset during development
df_sample = df.sample(n=1000)

分析代碼性能 以找到瓶頸：

%time operation()  # Time single operation
%timeit operation()  # Time with multiple runs

高記憶體使用率

問題：系統記憶體不足

解決方案：

# Check memory usage
df.info(memory_usage='deep')

# Optimize data types
df['column'] = df['column'].astype('int32')  # Instead of int64

# Drop unnecessary columns
df = df[['col1', 'col2']]  # Keep only needed columns

# Process in batches
for batch in np.array_split(df, 10):
    process(batch)

環境與配置

虛擬環境問題

問題：虛擬環境無法激活

解決方案：

# Windows
python -m venv venv
venv\Scripts\activate.bat

# macOS/Linux
python3 -m venv venv
source venv/bin/activate

# Check if activated (should show venv name in prompt)
which python  # Should point to venv python

問題：套件已安裝但在 Notebook 中找不到

解決方案：

# Ensure notebook uses the correct kernel
# Install ipykernel in your venv
pip install ipykernel
python -m ipykernel install --user --name=ml-env --display-name="Python (ml-env)"

# In Jupyter: Kernel → Change Kernel → Python (ml-env)

Git 問題

問題：無法拉取最新更改 - 合併衝突

解決方案：

# Stash your changes
git stash

# Pull latest
git pull origin main

# Reapply your changes
git stash pop

# If conflicts, resolve manually or:
git checkout --theirs path/to/file  # Take remote version
git checkout --ours path/to/file    # Keep your version

VS Code 集成

問題：Jupyter Notebook 無法在 VS Code 中打開

解決方案：

在 VS Code 中安裝 Python 擴展
安裝 Jupyter 擴展
選擇正確的 Python 解釋器：Ctrl+Shift+P → "Python: Select Interpreter"
重啟 VS Code

其他資源

Discord 討論區：在 #ml-for-beginners 頻道提問並分享解決方案
Microsoft Learn：機器學習初學者模組
視頻教程：YouTube 播放列表
問題追蹤器：報告錯誤

仍有問題？

如果您已嘗試上述解決方案但仍遇到問題：

搜索現有問題：GitHub Issues
查看 Discord 討論：Discord Discussions
提交新問題：請包括以下內容：
- 您的操作系統及版本
- Python/R 版本
- 錯誤訊息（完整回溯）
- 重現問題的步驟
- 您已嘗試的解決方法

我們隨時為您提供幫助！🚀

免責聲明：
本文件已使用人工智能翻譯服務 Co-op Translator 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。

13 KiB Raw Permalink Blame History Unescape Escape

疑難排解指南

目錄

安裝問題

Python 安裝

Jupyter 安裝

R 安裝

Jupyter Notebook 問題

核心問題

Notebook 單元問題

Python 套件問題

匯入錯誤

版本衝突

數據加載問題

R 環境問題

套件安裝

RMarkdown 問題

測驗應用程式問題

構建與安裝

構建錯誤

數據和文件路徑問題

路徑問題

缺少數據文件

常見錯誤訊息

記憶體錯誤

收斂警告

繪圖問題

Unicode/編碼錯誤

性能問題

Notebook 執行緩慢

高記憶體使用率

環境與配置

虛擬環境問題

Git 問題

VS Code 集成

其他資源

仍有問題？

13 KiB

Raw Permalink Blame History Unescape Escape