You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
ML-For-Beginners/translations/fi/TROUBLESHOOTING.md

14 KiB

Vianmääritysopas

Tämä opas auttaa ratkaisemaan yleisiä ongelmia Machine Learning for Beginners -opetussuunnitelman parissa. Jos et löydä ratkaisua täältä, tarkista Discord-keskustelut tai avaa ongelma.

Sisällysluettelo


Asennusongelmat

Python-asennus

Ongelma: python: command not found

Ratkaisu:

  1. Asenna Python 3.8 tai uudempi python.org -sivustolta
  2. Varmista asennus: python --version tai python3 --version
  3. macOS/Linuxissa saatat joutua käyttämään python3 sijasta python

Ongelma: Useat Python-versiot aiheuttavat ristiriitoja

Ratkaisu:

# 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-asennus

Ongelma: jupyter: command not found

Ratkaisu:

# Install Jupyter
pip install jupyter

# Or with pip3
pip3 install jupyter

# Verify installation
jupyter --version

Ongelma: Jupyter ei avaudu selaimessa

Ratkaisu:

# 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-asennus

Ongelma: R-paketit eivät asennu

Ratkaisu:

# 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")

Ongelma: IRkernel ei ole saatavilla Jupyterissa

Ratkaisu:

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

Jupyter Notebook -ongelmat

Kernel-ongelmat

Ongelma: Kernel kaatuu tai käynnistyy uudelleen jatkuvasti

Ratkaisu:

  1. Käynnistä kernel uudelleen: Kernel → Restart
  2. Tyhjennä tulosteet ja käynnistä uudelleen: Kernel → Restart & Clear Output
  3. Tarkista muistiongelmat (katso Suorituskykyongelmat)
  4. Suorita solut yksitellen ongelmallisen koodin tunnistamiseksi

Ongelma: Väärä Python-kernel valittu

Ratkaisu:

  1. Tarkista nykyinen kernel: Kernel → Change Kernel
  2. Valitse oikea Python-versio
  3. Jos kernel puuttuu, luo se:
python -m ipykernel install --user --name=ml-env

Ongelma: Kernel ei käynnisty

Ratkaisu:

# Reinstall ipykernel
pip uninstall ipykernel
pip install ipykernel

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

Notebook-solujen ongelmat

Ongelma: Solut suoritetaan, mutta tuloste ei näy

Ratkaisu:

  1. Tarkista, onko solu edelleen käynnissä (etsi [*]-merkintä)
  2. Käynnistä kernel uudelleen ja suorita kaikki solut: Kernel → Restart & Run All
  3. Tarkista selaimen konsoli JavaScript-virheiden varalta (F12)

Ongelma: Soluja ei voi suorittaa - "Run"-painike ei reagoi

Ratkaisu:

  1. Tarkista, onko Jupyter-palvelin edelleen käynnissä terminaalissa
  2. Päivitä selaimen sivu
  3. Sulje ja avaa notebook uudelleen
  4. Käynnistä Jupyter-palvelin uudelleen

Python-paketti-ongelmat

Tuontivirheet

Ongelma: ModuleNotFoundError: No module named 'sklearn'

Ratkaisu:

pip install scikit-learn

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

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

Ratkaisu:

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

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

Versioristiriidat

Ongelma: Pakettiversioiden yhteensopimattomuusvirheet

Ratkaisu:

# 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

Ongelma: pip install epäonnistuu käyttöoikeusvirheiden vuoksi

Ratkaisu:

# 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

Datan latausongelmat

Ongelma: FileNotFoundError CSV-tiedostoja ladattaessa

Ratkaisu:

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-ympäristöongelmat

Pakettien asennus

Ongelma: Pakettien asennus epäonnistuu käännösvirheiden vuoksi

Ratkaisu:

# 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

Ongelma: tidyverse ei asennu

Ratkaisu:

# 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-ongelmat

Ongelma: RMarkdown ei renderöidy

Ratkaisu:

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

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

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

Tietovisa-sovelluksen ongelmat

Rakennus ja asennus

Ongelma: npm install epäonnistuu

Ratkaisu:

# 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

Ongelma: Portti 8080 on jo käytössä

Ratkaisu:

# 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

Rakennusvirheet

Ongelma: npm run build epäonnistuu

Ratkaisu:

# 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

Ongelma: Lint-virheet estävät rakennuksen

Ratkaisu:

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

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

Data- ja tiedostopolkuongelmat

Polkuongelmat

Ongelma: Datatiedostoja ei löydy notebookeja suoritettaessa

Ratkaisu:

  1. Suorita notebookit aina niiden sisältävästä hakemistosta

    cd /path/to/lesson/folder
    jupyter notebook
    
  2. Tarkista koodin suhteelliset polut

    # Correct path from notebook location
    df = pd.read_csv('../data/filename.csv')
    
    # Not from your terminal location
    
  3. Käytä tarvittaessa absoluuttisia polkuja

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

Puuttuvat datatiedostot

Ongelma: Dataset-tiedostot puuttuvat

Ratkaisu:

  1. Tarkista, kuuluuko data olla repositoriossa - useimmat datasetit sisältyvät
  2. Jotkut oppitunnit saattavat vaatia datan lataamista - tarkista oppitunnin README
  3. Varmista, että olet hakenut uusimmat muutokset:
    git pull origin main
    

Yleiset virheilmoitukset

Muistivirheet

Virhe: MemoryError tai kernel kaatuu datan käsittelyn aikana

Ratkaisu:

# 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()

Konvergenssivaroitukset

Varoitus: ConvergenceWarning: Maximum number of iterations reached

Ratkaisu:

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)

Piirto-ongelmat

Ongelma: Piirrokset eivät näy Jupyterissa

Ratkaisu:

# Enable inline plotting
%matplotlib inline

# Import pyplot
import matplotlib.pyplot as plt

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

Ongelma: Seaborn-piirrokset näyttävät erilaisilta tai aiheuttavat virheitä

Ratkaisu:

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

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

Unicode-/koodausvirheet

Ongelma: UnicodeDecodeError tiedostoja luettaessa

Ratkaisu:

# 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')

Suorituskykyongelmat

Hidas notebookin suoritus

Ongelma: Notebookien suoritus on erittäin hidasta

Ratkaisu:

  1. Käynnistä kernel uudelleen vapauttaaksesi muistia: Kernel → Restart
  2. Sulje käyttämättömät notebookit vapauttaaksesi resursseja
  3. Käytä pienempiä datanäytteitä testaukseen:
    # Work with subset during development
    df_sample = df.sample(n=1000)
    
  4. Profiloi koodisi pullonkaulojen löytämiseksi:
    %time operation()  # Time single operation
    %timeit operation()  # Time with multiple runs
    

Korkea muistin käyttö

Ongelma: Järjestelmästä loppuu muisti

Ratkaisu:

# 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)

Ympäristö ja konfiguraatio

Virtuaaliympäristöongelmat

Ongelma: Virtuaaliympäristö ei aktivoidu

Ratkaisu:

# 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

Ongelma: Paketit asennettu, mutta eivät löydy notebookista

Ratkaisu:

# 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-ongelmat

Ongelma: Uusimpia muutoksia ei voi hakea - yhdistämisristiriidat

Ratkaisu:

# 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 -integraatio

Ongelma: Jupyter-notebookit eivät avaudu VS Codessa

Ratkaisu:

  1. Asenna Python-laajennus VS Codeen
  2. Asenna Jupyter-laajennus VS Codeen
  3. Valitse oikea Python-tulkki: Ctrl+Shift+P → "Python: Select Interpreter"
  4. Käynnistä VS Code uudelleen

Lisäresurssit


Onko ongelmia edelleen?

Jos olet kokeillut yllä olevia ratkaisuja ja ongelmat jatkuvat:

  1. Etsi olemassa olevia ongelmia: GitHub Issues
  2. Tarkista keskustelut Discordissa: Discord-keskustelut
  3. Avaa uusi ongelma: Sisällytä:
    • Käyttöjärjestelmäsi ja sen versio
    • Python/R-versio
    • Virheilmoitus (koko traceback)
    • Vaiheet ongelman toistamiseksi
    • Mitä olet jo kokeillut

Olemme täällä auttamassa! 🚀


Vastuuvapauslauseke:
Tämä asiakirja on käännetty käyttämällä tekoälypohjaista käännöspalvelua Co-op Translator. Vaikka pyrimme tarkkuuteen, huomioithan, että automaattiset käännökset voivat sisältää virheitä tai epätarkkuuksia. Alkuperäinen asiakirja sen alkuperäisellä kielellä tulisi pitää ensisijaisena lähteenä. Kriittisen tiedon osalta suositellaan ammattimaista ihmiskäännöstä. Emme ole vastuussa väärinkäsityksistä tai virhetulkinnoista, jotka johtuvat tämän käännöksen käytöstä.