14 KiB

Raw Blame History

Fejlfindingsguide

Denne guide hjælper dig med at løse almindelige problemer, når du arbejder med Machine Learning for Beginners-kurset. Hvis du ikke finder en løsning her, kan du tjekke vores Discord-diskussioner eller oprette en sag.

Indholdsfortegnelse

Installationsproblemer

Installation af Python

Problem: python: command not found

Løsning:

Installer Python 3.8 eller nyere fra python.org
Bekræft installationen: python --version eller python3 --version
På macOS/Linux skal du muligvis bruge python3 i stedet for python

Problem: Flere Python-versioner skaber konflikter

Løsning:

# 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

Installation af Jupyter

Problem: jupyter: command not found

Løsning:

# Install Jupyter
pip install jupyter

# Or with pip3
pip3 install jupyter

# Verify installation
jupyter --version

Problem: Jupyter åbner ikke i browseren

Løsning:

# 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=...

Installation af R

Problem: R-pakker installeres ikke

Løsning:

# 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")

Problem: IRkernel er ikke tilgængelig i Jupyter

Løsning:

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

Problemer med Jupyter Notebook

Kernelproblemer

Problem: Kernel bliver ved med at dø eller genstarte

Løsning:

Genstart kernelen: Kernel → Restart
Ryd output og genstart: Kernel → Restart & Clear Output
Tjek for hukommelsesproblemer (se Ydelsesproblemer)
Prøv at køre celler enkeltvis for at finde problematisk kode

Problem: Forkert Python-kernel valgt

Løsning:

Tjek den aktuelle kernel: Kernel → Change Kernel
Vælg den korrekte Python-version
Hvis kernel mangler, opret den:

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

Problem: Kernel starter ikke

Løsning:

# Reinstall ipykernel
pip uninstall ipykernel
pip install ipykernel

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

Problemer med notebook-celler

Problem: Celler kører, men viser ikke output

Løsning:

Tjek om cellen stadig kører (se efter [*]-indikatoren)
Genstart kernel og kør alle celler: Kernel → Restart & Run All
Tjek browserens konsol for JavaScript-fejl (F12)

Problem: Kan ikke køre celler - ingen respons, når "Run" klikkes

Løsning:

Tjek om Jupyter-serveren stadig kører i terminalen
Opdater browserens side
Luk og genåbn notebooken
Genstart Jupyter-serveren

Problemer med Python-pakker

Importfejl

Problem: ModuleNotFoundError: No module named 'sklearn'

Løsning:

pip install scikit-learn

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

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

Løsning:

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

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

Versionskonflikter

Problem: Fejl ved inkompatible pakkeversioner

Løsning:

# 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

Problem: pip install fejler med tilladelsesfejl

Løsning:

# 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

Problemer med dataindlæsning

Problem: FileNotFoundError ved indlæsning af CSV-filer

Løsning:

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')

Problemer med R-miljøet

Installation af pakker

Problem: Installation af pakker fejler med kompileringsfejl

Løsning:

# 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

Problem: tidyverse installeres ikke

Løsning:

# 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"))

Problemer med RMarkdown

Problem: RMarkdown gengives ikke

Løsning:

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

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

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

Problemer med quiz-applikationen

Bygning og installation

Problem: npm install fejler

Løsning:

# 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

Problem: Port 8080 er allerede i brug

Løsning:

# 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

Bygningsfejl

Problem: npm run build fejler

Løsning:

# 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

Problem: Lint-fejl forhindrer bygning

Løsning:

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

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

Problemer med data og filstier

Stiproblemer

Problem: Datafiler findes ikke, når notebooks køres

Løsning:

Kør altid notebooks fra deres indeholdende mappe
```
cd /path/to/lesson/folder
jupyter notebook
```

Tjek relative stier i koden

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

# Not from your terminal location

Brug absolutte stier, hvis nødvendigt

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

Manglende datafiler

Problem: Datasæt-filer mangler

Løsning:

Tjek om data skal være i repository - de fleste datasæt er inkluderet
Nogle lektioner kræver muligvis download af data - tjek lektionens README
Sørg for, at du har hentet de nyeste ændringer:
```
git pull origin main
```

Almindelige fejlmeddelelser

Hukommelsesfejl

Fejl: MemoryError eller kernel dør under databehandling

Løsning:

# 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()

Konvergensadvarsler

Advarsel: ConvergenceWarning: Maximum number of iterations reached

Løsning:

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)

Problemer med plot

Problem: Plot vises ikke i Jupyter

Løsning:

# Enable inline plotting
%matplotlib inline

# Import pyplot
import matplotlib.pyplot as plt

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

Problem: Seaborn-plots ser anderledes ud eller giver fejl

Løsning:

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

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

Unicode-/kodningsfejl

Problem: UnicodeDecodeError ved læsning af filer

Løsning:

# 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')

Ydelsesproblemer

Langsom udførelse af notebooks

Problem: Notebooks kører meget langsomt

Løsning:

Genstart kernel for at frigøre hukommelse: Kernel → Restart
Luk ubrugte notebooks for at frigøre ressourcer

Brug mindre datasæt til test:

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

Profilér din kode for at finde flaskehalse:

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

Høj hukommelsesbrug

Problem: Systemet løber tør for hukommelse

Løsning:

# 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)

Miljø og konfiguration

Problemer med virtuelle miljøer

Problem: Virtuelt miljø aktiveres ikke

Løsning:

# 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

Problem: Pakker er installeret, men findes ikke i notebook

Løsning:

# 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)

Problemer med Git

Problem: Kan ikke hente nyeste ændringer - sammenfletningskonflikter

Løsning:

# 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

Integration med VS Code

Problem: Jupyter-notebooks åbner ikke i VS Code

Løsning:

Installer Python-udvidelsen i VS Code
Installer Jupyter-udvidelsen i VS Code
Vælg den korrekte Python-fortolker: Ctrl+Shift+P → "Python: Select Interpreter"
Genstart VS Code

Yderligere ressourcer

Discord-diskussioner: Stil spørgsmål og del løsninger i #ml-for-beginners-kanalen
Microsoft Learn: ML for Beginners-moduler
Videotutorials: YouTube-playliste
Fejlsporing: Rapportér fejl

Stadig problemer?

Hvis du har prøvet løsningerne ovenfor og stadig oplever problemer:

Søg efter eksisterende sager: GitHub Issues
Tjek diskussioner på Discord: Discord-diskussioner
Opret en ny sag: Inkluder:
- Dit operativsystem og version
- Python/R-version
- Fejlmeddelelse (fuld traceback)
- Trin til at genskabe problemet
- Hvad du allerede har prøvet

Vi er her for at hjælpe! 🚀

Ansvarsfraskrivelse:
Dette dokument er blevet oversat ved hjælp af AI-oversættelsestjenesten Co-op Translator. Selvom vi bestræber os på nøjagtighed, skal det bemærkes, at automatiserede oversættelser kan indeholde fejl eller unøjagtigheder. Det originale dokument på dets oprindelige sprog bør betragtes som den autoritative kilde. For kritisk information anbefales professionel menneskelig oversættelse. Vi påtager os ikke ansvar for eventuelle misforståelser eller fejltolkninger, der måtte opstå som følge af brugen af denne oversættelse.

14 KiB Raw Blame History

Fejlfindingsguide

Indholdsfortegnelse

Installationsproblemer

Installation af Python

Installation af Jupyter

Installation af R

Problemer med Jupyter Notebook

Kernelproblemer

Problemer med notebook-celler

Problemer med Python-pakker

Importfejl

Versionskonflikter

Problemer med dataindlæsning

Problemer med R-miljøet

Installation af pakker

Problemer med RMarkdown

Problemer med quiz-applikationen

Bygning og installation

Bygningsfejl

Problemer med data og filstier

Stiproblemer

Manglende datafiler

Almindelige fejlmeddelelser

Hukommelsesfejl

Konvergensadvarsler

Problemer med plot

Unicode-/kodningsfejl

Ydelsesproblemer

Langsom udførelse af notebooks

Høj hukommelsesbrug

Miljø og konfiguration

Problemer med virtuelle miljøer

Problemer med Git

Integration med VS Code

Yderligere ressourcer

Stadig problemer?

14 KiB

Raw Blame History