Řešení potíží s výjimkami modulů v Machine Learning Studiu (classic) pomocí kódů chyb

Důležité

Podpora studia Machine Learning (Classic) skončí 31. srpna 2024. Doporučujeme do tohoto data přejít na službu Azure Machine Learning.

Od 1. prosince 2021 nebude možné vytvářet nové prostředky studia Machine Learning (Classic). Do 31. srpna 2024 můžete pokračovat v používání stávajících prostředků studia Machine Learning (Classic).

• Přečtěte si informace o přesouvání projektů strojového učení z ML Studia (classic) na Azure Machine Learning.
• Přečtěte si další informace o Azure Machine Learning.

Dokumentace ke studiu ML (Classic) se vyřazuje z provozu a v budoucnu se nemusí aktualizovat.

Přečtěte si o chybových zprávách a kódech výjimek, se kterými se můžete setkat pomocí modulů v Machine Learning Studiu (classic).

Pokud chcete tento problém vyřešit, vyhledejte chybu v tomto článku a přečtěte si o běžných příčinách. V sadě Studio (classic) můžete získat celý text chybové zprávy dvěma způsoby:

• Klikněte na odkaz, zobrazit výstupní protokol v pravém podokně a posuňte se dolů. Podrobná chybová zpráva se zobrazí na posledních dvou řádcích okna.

• Vyberte modul s chybou a klikněte na červený symbol X. Zobrazí se pouze relevantní text chyby.

Pokud text chybové zprávy není užitečný, pošlete nám informace o kontextu a o požadovaných doplňcích nebo změnách. Můžete buď odeslat zpětnou vazbu k tématu chyby, nebo navštívit fórum Machine Learning Studio (classic) a publikovat otázku.

Chyba 0001

K výjimce dochází v případě, že se nepodařilo najít jeden nebo více zadaných sloupců datové sady.

Tato chyba se zobrazí, pokud se pro modul provede výběr sloupce, ale vybrané sloupce ve vstupní sadě dat neexistují. K této chybě může dojít, pokud jste ručně zadali název sloupce nebo pokud selektor sloupce zadal navrhovaný sloupec, který v datové sadě při spuštění experimentu neexistoval.

Rozlišení: Znovu se k modulu, který vyvolá tuto výjimku, a ověřte správnost názvu sloupce nebo názvů a že existují všechny odkazované sloupce.

Zprávy výjimek
Nebyl nalezen jeden nebo více zadaných sloupců.
Sloupec s názvem nebo indexem{0} nebyl nalezen
Sloupec s názvem nebo indexem "{0}" neexistuje v "{1}"

Chyba 0002

K výjimce dochází v případě, že jeden nebo více parametrů nelze analyzovat nebo převést ze zadaného typu na požadovaný typ cílové metody.

K této chybě dochází v Machine Learning při zadání parametru jako vstupu a typ hodnoty se liší od očekávaného typu a implicitní převod nelze provést.

Rozlišení: Zkontrolujte požadavky modulu a určete, jaký typ hodnoty je povinný (řetězec, celé číslo, dvojité atd.).

Zprávy výjimek
Analýza parametru se nezdařila.
Analýza parametru se{0} nezdařila.
Nepodařilo se analyzovat (převést) parametr na{0} "{1}"
Převod parametru "{0}" z "{1}" na "{2}" se nezdařil.
Převod hodnoty parametru "{0}{1}" z "{2}" na "{3}" se nezdařil.
Nepodařilo se převést hodnotu "{0}" ve sloupci "{1}" z "{2}" na "{3}" s použitím zadaného formátu "{4}"

Chyba 0003

K výjimce dochází v případě, že jeden nebo více vstupů má hodnotu null nebo je prázdné.

Tato chyba se zobrazí v Machine Learning, pokud některé vstupy nebo parametry modulu mají hodnotu null nebo prázdné. K této chybě může dojít například v případě, že jste nezadali žádnou hodnotu parametru. Může k tomu dojít také v případě, že zvolíte datovou sadu, která obsahuje chybějící hodnoty, nebo prázdnou datovou sadu.

Řešení:

• Otevřete modul, který vytvořil výjimku, a ověřte, že byly zadány všechny vstupy. Ujistěte se, že jsou zadané všechny požadované vstupy.
• Ujistěte se, že data načtená z úložiště Azure jsou přístupná a že se nezměnil název účtu nebo klíč.
• Zkontrolujte chybějící hodnoty vstupních dat nebo hodnoty null.
• Pokud používáte dotaz na zdroj dat, ověřte, že se data vrací ve formátu, který očekáváte.
• Zkontrolujte překlepy nebo jiné změny ve specifikaci dat.

Zprávy výjimek
Jeden nebo více vstupů je null nebo prázdný.
Vstup "{0}" je null nebo prázdný.

Chyba 0004

K výjimce dochází, pokud je parametr menší nebo roven určité hodnotě.

Tato chyba se zobrazí v Machine Learning pokud je parametr ve zprávě pod hodnotou hranice vyžadovanou pro zpracování dat modulem.

Rozlišení: Znovu se k modulu, který vyvolá výjimku, a upravte parametr tak, aby byl větší než zadaná hodnota.

Zprávy výjimek
Parametr by měl být větší než hodnota hranice.
Hodnota parametru "{0}" by měla být větší než {1}.
Parametr "{0}" má hodnotu "{1}", která by měla být větší než {2}

Chyba 0005

K výjimce dochází, pokud je parametr menší než konkrétní hodnota.

Tato chyba se zobrazí v Machine Learning v případě, že je parametr ve zprávě nižší nebo roven hodnotě hranic vyžadované ke zpracování dat modulu.

Rozlišení: Znovu se k modulu, který vyvolá výjimku, a upravte parametr tak, aby byl větší nebo roven zadané hodnotě.

Zprávy výjimek
Parametr by měl být větší než nebo rovno hodnotě hranice.
Hodnota parametru "{0}" by měla být větší nebo rovna {1}.
Parametr "{0}" má hodnotu "{1}", která by měla být větší nebo rovna {2}.

Chyba 0006

K výjimce dochází, pokud je parametr větší nebo roven zadané hodnotě.

Tato chyba se zobrazí v Machine Learning pokud je parametr ve zprávě větší nebo roven hodnotě hranic vyžadované pro zpracování dat modulu.

Rozlišení: Přejděte k modulu, který vyvolá výjimku, a upravte parametr tak, aby byl menší než zadaná hodnota.

Zprávy výjimek
Neshoda parametrů Jeden z parametrů by měl být menší než jiný.
Hodnota parametru "{0}" by měla být menší než hodnota parametru "{1}".
Parametr "{0}" má hodnotu "{1}", která by měla být menší než {2}.

Chyba 0007

K výjimce dochází, pokud je parametr větší než konkrétní hodnota.

Tato chyba se zobrazí v Machine Learning pokud jste ve vlastnostech modulu zadali hodnotu, která je větší než povolená. Můžete například zadat data, která jsou mimo rozsah podporovaných kalendářních dat, nebo můžete označit, že se použije pět sloupců, pokud jsou k dispozici jenom tři sloupce.

Tato chyba se může zobrazit také v případě, že zadáváte dvě sady dat, které se musí nějakým způsobem shodovat. Pokud například přejmenujete sloupce a zadáte sloupce podle indexu, počet zadaných názvů musí odpovídat počtu indexů sloupců. Dalším příkladem může být matematická operace, která používá dva sloupce, kde sloupce musí mít stejný počet řádků.

Řešení:

• Otevřete příslušný modul a zkontrolujte všechna nastavení číselných vlastností.
• Ujistěte se, že všechny hodnoty parametrů spadají do podporovaného rozsahu hodnot pro danou vlastnost.
• Pokud modul přebírá více vstupů, ujistěte se, že vstupy mají stejnou velikost.
• Pokud má modul více vlastností, které lze nastavit, ujistěte se, že související vlastnosti mají odpovídající hodnoty. Pokud například použijete možnost Seskupit data do přihrádek, musí počet intervalů odpovídat počtu hodnot, které zadáte jako hranice intervalů.
• Zkontrolujte, jestli se datová sada nebo zdroj dat změnila. Někdy se po změně počtu sloupců, datových typů sloupců nebo velikosti dat změní hodnota, která pracovala s předchozí verzí dat.

Zprávy o výjimce
Neshoda parametrů Jeden z parametrů by měl být menší nebo roven jinému.
Hodnota parametru "{0}" by měla být menší než nebo rovna hodnotě parametru "{1}".
Parametr "{0}" má hodnotu "{1}", která by měla být menší nebo rovna {2}.

Chyba 0008

K výjimce dochází, pokud parametr není v rozsahu.

Tato chyba se zobrazí v Machine Learning pokud je parametr ve zprávě mimo hranice vyžadované modulem ke zpracování dat.

Tato chyba se například zobrazí, pokud se pokusíte použít přidat řádky ke kombinování dvou datových sad, které mají jiný počet sloupců.

Rozlišení: Přejděte k modulu, který vyvolá výjimku, a upravte parametr tak, aby byl v zadaném rozsahu.

Zprávy výjimek
Hodnota parametru není v zadaném rozsahu.
Hodnota parametru "{0}" není v rozsahu.
Hodnota parametru "{0}" by měla být v rozsahu [{1}, {2}].

Chyba 0009

K výjimce dochází, když je nesprávně zadán název účtu úložiště Azure nebo název kontejneru.

K této chybě dochází v Machine Learning Studiu (classic), když zadáte parametry pro účet úložiště Azure, ale název nebo heslo nelze vyřešit. K chybám u hesel nebo názvů účtů může dojít z mnoha důvodů:

• Účet je nesprávný typ. Některé nové typy účtů se nepodporují pro použití s Machine Learning Studio (classic). Podrobnosti najdete v tématu Import dat .
• Zadali jste nesprávný název účtu.
• Účet již neexistuje.
• Heslo pro účet úložiště je nesprávné nebo se změnilo.
• Nezadali jste název kontejneru nebo kontejner neexistuje.
• Nezadali jste úplnou cestu k souboru (cestu k objektu blob).

Řešení:

K takovým problémům často dochází, když se pokusíte ručně zadat název účtu, heslo nebo cestu ke kontejneru. Doporučujeme použít nového průvodce pro modul Import dat , který vám pomůže vyhledat a zkontrolovat názvy.

Zkontrolujte také, jestli byl účet, kontejner nebo objekt blob odstraněný. Pomocí jiného nástroje úložiště Azure ověřte, že byl správně zadán název účtu a heslo a že kontejner existuje.

Některé novější typy účtů Machine Learning nepodporují. Pro strojové učení se například nedají použít nové typy horkého nebo studeného úložiště. Klasické účty úložiště i účty úložiště vytvořené jako "Obecné účely" fungují dobře.

Pokud byla zadána úplná cesta k objektu blob, ověřte, že je cesta zadaná jako název kontejneru nebo objektu blob a že kontejner i objekt blob existují v účtu.

Cesta by neměla obsahovat počáteční lomítko. Například /container/blob je nesprávný a měl by být zadán jako kontejner nebo objekt blob.

Zdroje informací

V tomto článku najdete vysvětlení různých podporovaných možností úložiště: Import dat do Machine Learning Studia (classic) z různých online zdrojů dat pomocí modulu Import dat

Ukázkové experimenty

Příklady připojení k různým zdrojům dat najdete v těchto experimentech v galerii Cortana intelligence:

• Vstupní data z různých zdrojů: Toto cvičení poskytuje vizuální příručku k používání mnoha zdrojů dat Azure ML: experimenty AzureML a interakce s daty.

• Azure Cosmos DB: Čtení dat z Azure Cosmos DB v Machine Learning

• Import jinak nečitelných dat pomocí Pythonu: Načtení netextového souboru ze služby Azure Blob Storage

Zprávy výjimek
Název účtu úložiště Azure nebo název kontejneru je nesprávný.
Název účtu úložiště Azure "{0}" nebo název kontejneru "{1}" je nesprávný. Byl očekáváný název kontejneru nebo objektu blob formátu.

Chyba 0010

K výjimce dochází v případě, že vstupní datové sady mají názvy sloupců, které by se měly shodovat, ale nemají.

Tato chyba se zobrazí v Machine Learning, pokud index sloupce ve zprávě obsahuje různé názvy sloupců ve dvou vstupních datových sadách.

Rozlišení: Použijte upravit metadata nebo upravte původní datovou sadu tak, aby měl stejný název sloupce pro zadaný index sloupců.

Zprávy výjimek
Sloupce s odpovídajícím indexem ve vstupních datových sadách mají různé názvy.
Názvy sloupců nejsou stejné pro sloupce {0} (založené na nule) vstupních datových sad ({1} a {2} v uvedeném pořadí).

Chyba 0011

K výjimce dochází v případě, že se předaný argument sady sloupců sloupců datových sad nevztahuje na žádné sloupce datové sady.

Tato chyba se zobrazí v Machine Learning, pokud zadaný výběr sloupce neodpovídá žádnému ze sloupců v dané datové sadě.

Tuto chybu můžete zobrazit také v případě, že jste nevybrali sloupec a aby modul fungoval aspoň jeden sloupec.

Rozlišení: Upravte výběr sloupce v modulu tak, aby se použil u sloupců v datové sadě.

Pokud modul vyžaduje, abyste vybrali konkrétní sloupec, například sloupec popisku, ověřte, že je vybraný správný sloupec.

Pokud jsou vybrané nevhodné sloupce, odeberte je a spusťte experiment znovu.

Zprávy výjimek
Zadaná sada sloupců se nevztahuje na žádné sloupce datové sady.
Zadaná sada sloupců "{0}" se nevztahuje na žádné sloupce datové sady.

Chyba 0012

K výjimce dochází v případě, že instanci třídy nelze vytvořit s předanou sadou argumentů.

Rozlišení: Tato chyba není pro uživatele užitečná a bude v budoucí verzi zastaralá.

Zprávy výjimek
Netrénovaný model, nejprve natrénujte model.
Trénovaný model ({0}) použijte trénovaný model.

Chyba 0013

K výjimce dochází v případě, že učení předané modulu je neplatný typ.

K této chybě dochází vždy, když trénovaný model není kompatibilní s připojeným modulem bodování. Například při připojování výstupu doporučeného nástroje Train Matchbox k určení skóre modelu (místo doporučeného nástroje Score Matchbox) se při spuštění experimentu vygeneruje tato chyba.

Řešení:

Určete typ výukového modulu, který je vytvořen výukovým modulem, a určete modul bodování, který je vhodný pro žáka.

Pokud byl model natrénován pomocí některého ze specializovaných trénovacích modulů, připojte trénovaný model pouze k odpovídajícímu specializovanému bodovacímu modulu.

Typ modelu	Trénovací modul	Modul bodování
libovolný klasifikátor	Trénování modelů nebo ladění hyperparametrů modelu	Určení skóre modelu
jakýkoli regresní model	Trénování modelů nebo ladění hyperparametrů modelu	Určení skóre modelu
modely clusteringu	Trénování modelu clusteringu nebo uklidení clusteringu	Přiřazení dat do clusterů
detekce anomálií – One-Class SVM	Trénování modelu detekce anomálií	Určení skóre modelu
detekce anomálií – PCA	Trénování modelů nebo ladění hyperparametrů modelu	Model skóre K vyhodnocení modelu jsou potřeba některé další kroky.
detekce anomálií – časové řady	Detekce anomálií časových řad	Modeluje trénování z dat a generuje skóre. Modul nevytvoří vytrénovaného učení a nevyžaduje žádné další hodnocení.
model doporučení	Train Matchbox Recommender	Doporučení ke službě Score Matchbox
klasifikace obrázků	Předtrénovaná kaskádová klasifikace obrázků	Určení skóre modelu
Modely Vowpal Wabbit	Trénování modelu Vowpal Wabbit verze 7-4	Score Vowpal Wabbit verze 7-4 Model
Modely Vowpal Wabbit	Trénování modelu Vowpal Wabbit verze 7-10	Score Vowpal Wabbit verze 7-10 Model
Modely Vowpal Wabbit	Trénování modelu Vowpal Wabbit verze 8	Score Vowpal Wabbit verze 8

Zprávy výjimek
Předají se informace o neplatném typu.
Learner "{0}" má neplatný typ.

Chyba 0014

K výjimce dochází v případě, že je počet jedinečných hodnot sloupce větší než povolený.

K této chybě dochází, když sloupec obsahuje příliš mnoho jedinečných hodnot. Tato chyba se může zobrazit například v případě, že zadáte, že se sloupec zpracovává jako kategorická data, ale ve sloupci je příliš mnoho jedinečných hodnot, aby bylo možné zpracování dokončit. Tato chyba se může zobrazit také v případě neshody mezi počtem jedinečných hodnot ve dvou vstupech.

Řešení:

Otevřete modul, který vygeneroval chybu, a identifikujte sloupce použité jako vstupy. U některých modulů můžete kliknout pravým tlačítkem myši na vstup datové sady a vybrat Vizualizovat , abyste získali statistiky o jednotlivých sloupcích, včetně počtu jedinečných hodnot a jejich distribuce.

U sloupců, které chcete použít pro seskupení nebo kategorizaci, proveďte kroky ke snížení počtu jedinečných hodnot ve sloupcích. V závislosti na datovém typu sloupce můžete snížit různě.

• U textových dat můžete pomocí předzpracování textu sbalit podobné položky.
• U číselných dat můžete pomocí funkce Seskupit data do intervalů vytvořit menší počet přihrádek, odebrat nebo zkrátit hodnoty pomocí hodnot klipů nebo použít metody strojového učení, jako je analýza hlavních komponent nebo Učení s počtem, aby se snížila rozměrnost dat.

Tip

Nemůžete najít řešení, které odpovídá vašemu scénáři? K tomuto tématu můžete poskytnout zpětnou vazbu, která obsahuje název modulu, který chybu vygeneroval, a datový typ a kardinalitu sloupce. Tyto informace použijeme k poskytnutí cílenějších kroků pro řešení potíží pro běžné scénáře.

Zprávy výjimek
Počet jedinečných hodnot sloupce je větší než povolený.
Počet jedinečných hodnot ve sloupci: "{0}" překračuje počet řazených kolekcí {1}členů .

Chyba 0015

K výjimce dochází v případě, že připojení k databázi selhalo.

Tato chyba se zobrazí, pokud zadáte nesprávný název účtu SQL, heslo, databázový server nebo název databáze nebo pokud není možné navázat připojení k databázi kvůli problémům s databází nebo serverem.

Rozlišení: Ověřte, že byl správně zadán název účtu, heslo, databázový server a databáze a že zadaný účet má správnou úroveň oprávnění. Ověřte, že je databáze aktuálně přístupná.

Zprávy výjimek
Při vytváření připojení k databázi došlo k chybě.
Při vytváření připojení k databázi došlo k chybě: {0}.

Chyba 0016

K výjimce dochází v případě, že vstupní datové sady předané modulu by měly mít kompatibilní typy sloupců, ale nemají.

Tato chyba se zobrazí v Machine Learning, pokud typy sloupců předaných ve dvou nebo více datových sadách nejsou vzájemně kompatibilní.

Rozlišení: Pomocí funkce Upravit metadata, upravte původní vstupní datovou sadu nebo pomocí funkce Převést na datovou sadu zajistěte, aby byly typy sloupců kompatibilní.

Zprávy výjimek
Sloupce s odpovídajícím indexem ve vstupních datových sadách mají nekompatibilní typy.
Sloupce {0} a {1} nejsou kompatibilní.
Typy elementů sloupců nejsou kompatibilní pro sloupec {0} (založené na nule) vstupních datových sad ({1} a {2} v uvedeném pořadí).

Chyba 0017

K výjimce dochází v případě, že vybraný sloupec používá datový typ, který aktuální modul nepodporuje.

Tato chyba se může zobrazit například v Machine Learning pokud výběr sloupce obsahuje sloupec s datovým typem, který modul nemůže zpracovat, například sloupec řetězce pro matematickou operaci nebo sloupec skóre, ve kterém je vyžadován sloupec funkce kategorií.

Řešení:

1. Identifikujte sloupec, který je problém.
2. Zkontrolujte požadavky modulu.
3. Upravte sloupec tak, aby odpovídal požadavkům. Možná budete muset k provedení změn použít několik následujících modulů v závislosti na sloupci a převodu, který se pokoušíte:
   • Pomocí funkce Upravit metadata můžete změnit datový typ sloupců nebo změnit použití sloupce z funkce na číselnou, kategorickou na jiné než kategorické a tak dále.
   • Pomocí funkce Převést na datovou sadu zajistěte, aby všechny zahrnuté sloupce používaly datové typy podporované Machine Learning. Pokud sloupce nemůžete převést, zvažte jejich odebrání ze vstupní datové sady.
   • Pomocí modulů Použít transformaci SQL nebo Spustit skript jazyka R přetypujte nebo převeďte sloupce, které nelze upravit pomocí upravit metadata. Tyto moduly poskytují větší flexibilitu při práci s datovými typy datetime.
   • U číselných datových typů můžete pomocí modulu Použít matematickou operaci zaokrouhlit nebo zkrátit hodnoty nebo pomocí modulu Hodnoty klipů odebrat hodnoty mimo rozsah.
4. Jako poslední možnost možná budete muset upravit původní vstupní datovou sadu.

Tip

Nemůžete najít řešení, které odpovídá vašemu scénáři? K tomuto tématu můžete poskytnout zpětnou vazbu, která obsahuje název modulu, který chybu vygeneroval, a datový typ a kardinalitu sloupce. Tyto informace použijeme k poskytnutí cílenějších kroků pro řešení potíží pro běžné scénáře.

Zprávy výjimek
Sloupec aktuálního typu nelze zpracovat. Modul tento typ nepodporuje.
Sloupec typu {0}nelze zpracovat . Modul tento typ nepodporuje.
Nelze zpracovat sloupec typu{1}{0} . Modul tento typ nepodporuje.
Nelze zpracovat sloupec typu{1}{0} . Modul tento typ nepodporuje. Název parametru: {2}

Chyba 0018

K výjimce dochází, pokud vstupní datová sada není platná.

Rozlišení: Tato chyba v Machine Learning se může objevit v mnoha kontextech, takže neexistuje jediné řešení. Chyba obecně značí, že data zadaná jako vstup modulu mají nesprávný počet sloupců nebo že datový typ neodpovídá požadavkům modulu. Například:

• Modul vyžaduje sloupec popisku, ale žádný sloupec není označený jako popisek nebo jste ještě nevybrali sloupec popisku.

• Modul vyžaduje, aby data byla kategorická, ale vaše data jsou číselná.

• Modul vyžaduje konkrétní datový typ. Například hodnocení uvedená pro funkci Train Matchbox Recommender může být číselná nebo kategorická, ale čísla s plovoucí desetinou čárkou nemohou být.

• Data jsou ve špatném formátu.

• Importovaná data obsahují neplatné znaky, chybné hodnoty nebo hodnoty mimo rozsah.

• Sloupec je prázdný nebo obsahuje příliš mnoho chybějících hodnot.

Pokud chcete určit požadavky a způsob, jakým se vaše data můžou, projděte si téma nápovědy pro modul, který bude datovou sadu využívat jako vstup.

K profilaci dat také doporučujeme použít funkci Summarize Data nebo Compute Elementary Statistics a pomocí těchto modulů opravte metadata a čisté hodnoty: Upravit metadata, Vyčistit chybějící data, Hodnoty klipů.

Zprávy výjimek
Datová sada není platná.
{0} obsahuje neplatná data.
{0} a {1} měl by být konzistentní ve sloupci moudrý.

Chyba 0019

K výjimce dochází, pokud se očekává, že sloupec bude obsahovat seřazené hodnoty, ale ne.

Tato chyba se zobrazí v Machine Learning, pokud jsou zadané hodnoty sloupců mimo pořadí.

Rozlišení: Hodnoty sloupců můžete seřadit ruční úpravou vstupní datové sady a opětovným spuštěním modulu.

Zprávy výjimek
Hodnoty ve sloupci nejsou seřazené.
Hodnoty ve sloupci "{0}" nejsou seřazené.
Hodnoty ve sloupci "{0}" datové sady "{1}" nejsou seřazené.

Chyba 0020

K výjimce dochází, pokud je počet sloupců v některých datových sadách předaných modulu příliš malý.

Tato chyba se zobrazí v Machine Learning, pokud pro modul nebyl vybrán dostatek sloupců.

Rozlišení: Přejděte k modulu znovu a ujistěte se, že je vybraný správný počet sloupců.

Zprávy výjimek
Počet sloupců ve vstupní datové sadě je menší než povolený minimum.
Počet sloupců ve vstupní datové sadě je menší než povolený minimum {0} sloupců.
Počet sloupců ve vstupní datové sadě "{0}" je menší než povolené minimum {1} sloupců.

Chyba 0021

K výjimce dochází, pokud je počet řádků v některých datových sadách předaných modulu příliš malý.

Tato chyba zobrazená v Machine Learning, pokud v datové sadě není dostatek řádků k provedení zadané operace. Tato chyba se může zobrazit například v případě, že je vstupní datová sada prázdná nebo pokud se pokoušíte provést operaci, která vyžaduje, aby byl platný určitý minimální počet řádků. Tyto operace můžou zahrnovat seskupení nebo klasifikaci (ale nejsou omezené) na základě statistických metod, určitých typů binningu a učení s počty.

Řešení:

• Otevřete modul, který vrátil chybu, a zkontrolujte vlastnosti vstupní datové sady a modulu.
• Ověřte, že vstupní datová sada není prázdná a že je k dispozici dostatek řádků dat pro splnění požadavků popsaných v nápovědě k modulu.
• Pokud jsou data načtena z externího zdroje, ujistěte se, že je zdroj dat dostupný a že v definici dat nedošlo k žádné chybě nebo změně, která by způsobila, že proces importu získá méně řádků.
• Pokud provádíte operaci s upstreamem dat modulu, který může ovlivnit typ dat nebo počet hodnot, jako je čištění, rozdělení nebo operace spojení, zkontrolujte výstupy těchto operací a určete počet vrácených řádků.

Chyba 0022

K výjimce dochází v případě, že počet vybraných sloupců ve vstupní datové sadě neodpovídá očekávanému počtu.

K této chybě v Machine Learning může dojít, když podřízený modul nebo operace vyžaduje určitý počet sloupců nebo vstupů a zadali jste příliš málo nebo příliš mnoho sloupců nebo vstupů. Například:

• Zadáte sloupec s jedním popiskem nebo klíčový sloupec a omylem vyberete více sloupců.

• Přejmenováváte sloupce, ale zadali jste více nebo méně názvů, než jsou sloupce.

• Počet sloupců ve zdroji nebo cíli se změnil nebo neodpovídá počtu sloupců používaných modulem.

• Zadali jste seznam hodnot oddělených čárkami pro vstupy, ale počet hodnot neodpovídá nebo se nepodporuje více vstupů.

Rozlišení: Znovu se podívejte na modul a zkontrolujte výběr sloupce, abyste měli jistotu, že je vybraný správný počet sloupců. Ověřte výstupy nadřazených modulů a požadavky podřízených operací.

Pokud jste použili jednu z možností výběru sloupce, které můžou vybrat více sloupců (indexy sloupců, všechny funkce, všechny číselné atd.), ověřte přesný počet sloupců vrácených výběrem.

Pokud se pokoušíte zadat čárkami oddělený seznam datových sad jako vstupy do rozbalených datových sad, rozbalte najednou jenom jednu datovou sadu. Více vstupů není podporováno.

Ověřte, že se počet nebo typ nadřazených sloupců nezměnil.

Pokud k trénování modelu používáte datovou sadu doporučení, nezapomeňte, že doporučovací uživatel očekává omezený počet sloupců, které odpovídají párům položek uživatele nebo hodnocením položek uživatele. Před trénováním modelu nebo rozdělením datových sad doporučení odeberte další sloupce. Další informace najdete v tématu Rozdělení dat.

Zprávy výjimek
Počet vybraných sloupců ve vstupní datové sadě se nerovná očekávanému počtu.
Počet vybraných sloupců ve vstupní datové sadě se nerovná {0}.
Vzor výběru sloupce "{0}" poskytuje počet vybraných sloupců ve vstupní datové sadě, které se nerovnají {1}.
Očekává se, že vzor výběru sloupce "{0}" bude poskytovat {1} sloupce vybrané ve vstupní datové sadě, ale {2} sloupce jsou/jsou k dispozici.

Chyba 0023

K výjimce dochází v případě, že cílový sloupec vstupní datové sady není platný pro aktuální modul trenéra.

K této chybě v Machine Learning dochází v případě, že cílový sloupec (vybraný v parametrech modulu) není platným datovým typem, obsahoval všechny chybějící hodnoty nebo nebyl kategorický podle očekávání.

Rozlišení: Znovu se můžete podívat na vstup modulu a zkontrolovat obsah sloupce popisku/cíle. Ujistěte se, že neobsahuje všechny chybějící hodnoty. Pokud modul očekává, že cílový sloupec bude kategorický, ujistěte se, že v cílovém sloupci existuje více než jedna jedinečná hodnota.

Zprávy výjimek
Vstupní datová sada má nepodporovaný cílový sloupec.
Vstupní datová sada má nepodporovaný cílový sloupec "{0}".
Vstupní datová sada má nepodporovaný cílový sloupec "{0}" pro učení typu {1}.

Chyba 0024

K výjimce dochází, pokud datová sada neobsahuje sloupec popisku.

K této chybě v Machine Learning dochází v případě, že modul vyžaduje sloupec popisku a datová sada nemá sloupec popisku. Například vyhodnocení hodnocené datové sady obvykle vyžaduje, aby sloupec popisku byl k dispozici pro metriky přesnosti výpočtů.

Může se také stát, že sloupec popisku je v datové sadě, ale Machine Learning ho správně nerozpoznal.

Řešení:

• Otevřete modul, který vygeneroval chybu, a určete, jestli existuje sloupec popisku. Název nebo datový typ sloupce nezáleží, pokud sloupec obsahuje jeden výsledek (nebo závislá proměnná), který se pokoušíte předpovědět. Pokud si nejste jistí, který sloupec obsahuje popisek, vyhledejte obecný název, jako je třída nebo cíl.
• Pokud datová sada neobsahuje sloupec popisku, je možné, že sloupec popisku byl explicitně nebo omylem odebrán nadřazený. Může také být, že datová sada není výstupem upstreamového modulu bodování.
• Pokud chcete sloupec explicitně označit jako sloupec popisku, přidejte modul Upravit metadata a připojte datovou sadu. Vyberte pouze sloupec popisku a v rozevíracím seznamu Pole vyberte Popisek.
• Pokud jako popisek vyberete nesprávný sloupec, můžete vybrat Vymazat popisek z polí a opravit metadata ve sloupci.

Zprávy výjimek
V datové sadě není žádný sloupec popisku.
Ve sloupci "{0}" neexistuje žádný sloupec popisku.

Chyba 0025

K výjimce dochází v případě, že datová sada neobsahuje sloupec skóre.

K této chybě v Machine Learning dochází v případě, že vstup do modelu vyhodnocení neobsahuje platné sloupce skóre. Uživatel se například pokusí vyhodnotit datovou sadu předtím, než byla vyhodnocena pomocí správného natrénovaného modelu, nebo se sloupec skóre explicitně vyřadil do nadřazeného proudu. K této výjimce dochází také v případě, že sloupce skóre obou datových sad nejsou kompatibilní. Můžete se například pokoušet porovnat přesnost lineárního regresoru s binárním klasifikátorem.

Rozlišení: Znovu se podívejte na vstup pro vyhodnocení modelu a zkontrolujte, jestli obsahuje jeden nebo více sloupců skóre. Pokud ne, datová sada nebyla vyhodnocena nebo sloupce skóre byly vyřazeny v upstreamovém modulu.

Zprávy výjimek
V datové sadě není žádný sloupec skóre.
Ve sloupci "{0}" není žádné skóre.
Ve sloupci "{0}" není žádný sloupec skóre, který vytváří "{1}". Přiřadíte datovou sadu pomocí správného typu learneru.

Chyba 0026

K výjimce dochází v případě, že sloupce se stejným názvem nejsou povolené.

K této chybě v Machine Learning dochází, pokud má více sloupců stejný název. Jedním ze způsobů, jak se může tato chyba zobrazit, je, že pokud datová sada neobsahuje názvy řádků záhlaví a sloupců, jsou automaticky přiřazené: Col0, Col1 atd.

Rozlišení: Pokud mají sloupce stejný název, vložte modul Upravit metadata mezi vstupní datovou sadu a modul. Pomocí selektoru sloupců v části Upravit metadata vyberte sloupce, které chcete přejmenovat, a zadejte nové názvy do textového pole Názvy nových sloupců .

Zprávy výjimek
Názvy stejných sloupců jsou zadány v argumentech. Modul neumožňuje názvy stejných sloupců.
Názvy stejných sloupců v argumentech "{0}" a "{1}" nejsou povoleny. Zadejte různé názvy.

Chyba 0027

K výjimce dochází v případě, že dva objekty musí mít stejnou velikost, ale nejsou.

Jedná se o běžnou chybu v Machine Learning a může to být způsobeno mnoha podmínkami.

Rozlišení: Neexistuje žádné konkrétní řešení. Můžete ale zkontrolovat podmínky, jako je následující:

• Pokud přejmenováváte sloupce, ujistěte se, že každý seznam (vstupní sloupce a seznam nových názvů) má stejný počet položek.

• Pokud připojujete nebo zřetězení dvou datových sad, ujistěte se, že mají stejné schéma.

• Pokud spojujete dvě datové sady s více sloupci, ujistěte se, že mají klíčové sloupce stejný datový typ, a vyberte možnost Povolit duplikáty a zachovat pořadí sloupců ve výběru.

Zprávy výjimek
Velikost předaných objektů je nekonzistentní.
Velikost "{0}" je nekonzistentní s velikostí "{1}".

Chyba 0028

K výjimce dochází v případě, že sada sloupců obsahuje duplicitní názvy sloupců a není povolená.

K této chybě v Machine Learning dochází, když jsou názvy sloupců duplicitní; to znamená, že není jedinečné.

Rozlišení: Pokud některé sloupce mají stejný název, přidejte instanci upravit metadata mezi vstupní datovou sadou a modulem, který vyvolá chybu. Pomocí selektoru sloupců v části Upravit metadata vyberte sloupce, které chcete přejmenovat, a do textového pole Nové názvy sloupců zadejte nové názvy sloupců. Pokud přejmenováváte více sloupců, ujistěte se, že hodnoty, které zadáte do názvů nových sloupců , jsou jedinečné.

Zprávy výjimek
Sada sloupců obsahuje duplicitní názvy sloupců.
Název "{0}" je duplikován.
Název "{0}" je duplikován v "{1}".

Chyba 0029

K výjimce dochází v případě, že je předán neplatný identifikátor URI.

K této chybě v Machine Learning dochází v případě, že je předán neplatný identifikátor URI. Tato chyba se zobrazí, pokud jsou splněné některé z následujících podmínek:, nebo.

• Veřejný identifikátor URI nebo identifikátor URI SAS zadaný pro Azure Blob Storage pro čtení nebo zápis obsahuje chybu.

• Vypršela platnost časového intervalu sdíleného přístupového podpisu.

• Webová adresa URL prostřednictvím zdroje HTTP představuje soubor nebo identifikátor URI zpětné smyčky.

• Webová adresa URL prostřednictvím protokolu HTTP obsahuje nesprávně formátovanou adresu URL.

• Adresu URL nelze vyřešit vzdáleným zdrojem.

Rozlišení: Znovu se podívejte na modul a ověřte formát identifikátoru URI. Pokud je zdrojem dat webová adresa URL prostřednictvím protokolu HTTP, ověřte, že zamýšlený zdroj není soubor nebo identifikátor URI zpětné smyčky (localhost).

Zprávy výjimek
Neplatný identifikátor URI se předá.

Chyba 0030

K výjimce dochází v případě, že není možné stáhnout soubor.

K této výjimce v Machine Learning dochází, když není možné stáhnout soubor. Tuto výjimku obdržíte, když pokus o načtení ze zdroje HTTP selhal po třech (3) pokusech o opakování.

Rozlišení: Ověřte správnost identifikátoru URI zdroje HTTP a zda je web aktuálně přístupný přes internet.

Zprávy výjimek
Soubor nelze stáhnout.
Při stahování souboru došlo k chybě: {0}.

Chyba 0031

K výjimce dochází, pokud je počet sloupců v sadě sloupců menší než potřebný.

K této chybě v Machine Learning dochází, pokud je počet vybraných sloupců menší než potřebný. Tato chyba se zobrazí, pokud není vybraný minimální požadovaný počet sloupců.

Rozlišení: Přidejte do výběru sloupce další sloupce pomocí voliče sloupců.

Zprávy výjimek
Počet sloupců v sadě sloupců je menší než povinný.
{0} měly by být zadány sloupce. Skutečný počet zadaných sloupců je {1}.

Chyba 0032

K výjimce dochází, pokud argument není číslo.

Tato chyba se zobrazí v Machine Learning, pokud je argument dvojitý nebo naN.

Rozlišení: Upravte zadaný argument tak, aby používal platnou hodnotu.

Zprávy výjimek
Argument není číslo.
"{0}" není číslo.

Chyba 0033

K výjimce dochází v případě, že argument je nekonečno.

K této chybě v Machine Learning dochází, pokud je argument nekonečný. Tato chyba se zobrazí, pokud je argument nebo double.NegativeInfinitydouble.PositiveInfinity.

Rozlišení: Upravte zadaný argument tak, aby byl platnou hodnotou.

Zprávy výjimek
Argument musí být konečný.
"{0}" není konečný.

Chyba 0034

K výjimce dochází v případě, že pro danou dvojici položek uživatele existuje více hodnocení.

K této chybě v Machine Learning dochází v doporučení, pokud má dvojice položek uživatele více než jednu hodnotu hodnocení.

Rozlišení: Ujistěte se, že pár položek uživatele má pouze jednu hodnotu hodnocení.

Zprávy výjimek
Pro hodnoty v datové sadě existuje více než jedno hodnocení.
Více než jedno hodnocení pro uživatele {0} a položku {1} v tabulce dat předpovědi hodnocení

Chyba 0035

K výjimce dochází v případě, že pro daného uživatele nebo položku nebyly zadány žádné funkce.

K této chybě v Machine Learning dochází při pokusu o použití modelu doporučení pro bodování, ale vektor funkce nebyl nalezen.

Řešení:

Doporučovací nástroj Matchbox má určité požadavky, které musí být splněny při použití funkcí položek nebo uživatelských funkcí. Tato chyba označuje, že pro uživatele nebo položku, kterou jste zadali jako vstup, chybí vektor funkce. Musíte zajistit, aby vektor funkcí byl k dispozici v datech pro každého uživatele nebo položku.

Pokud jste například natrénovali model doporučení pomocí funkcí, jako je věk, umístění nebo příjem uživatele, ale teď chcete vytvořit skóre pro nové uživatele, kteří se během trénování neviděli, musíte zadat určitou ekvivalentní sadu funkcí (konkrétně věk, umístění a příjem) pro nové uživatele, aby pro ně mohli provádět vhodné předpovědi.

Pokud pro tyto uživatele nemáte žádné funkce, zvažte inženýrství funkcí pro generování vhodných funkcí. Pokud například nemáte individuální hodnoty věku nebo příjmu uživatelů, můžete vygenerovat přibližné hodnoty, které se mají použít pro skupinu uživatelů.

Při vyhodnocování z režimu doporučení můžete použít funkce položek nebo uživatelů jenom v případě, že jste dříve použili položky nebo funkce uživatelů během trénování. Další informace najdete v tématu Doporučení ke službě Score Matchbox.

Obecné informace o tom, jak funguje algoritmus doporučení Matchboxu a jak připravit datovou sadu funkcí položek nebo uživatelských funkcí, najdete v tématu Trénování doporučení Matchboxu.

Tip

Řešení se nevztahuje na váš případ? Můžete nám poslat zpětnou vazbu k tomuto článku a poskytnout informace o scénáři, včetně modulu a počtu řádků ve sloupci. Tyto informace použijeme k poskytnutí podrobnějších kroků pro řešení potíží v budoucnu.

Zprávy výjimek
Požadovanému uživateli nebo položce nebyly poskytnuty žádné funkce.
{0} Požadované funkce, ale nejsou k dispozici.

Chyba 0036

K výjimce dochází v případě, že pro daného uživatele nebo položku bylo zadáno více vektorů funkcí.

K této chybě v Machine Learning dochází, pokud je vektor funkce definován více než jednou.

Rozlišení: Ujistěte se, že vektor funkce není definován více než jednou.

Zprávy výjimek
Duplicitní definice funkce pro uživatele nebo položku
Duplicitní definice funkce pro {0}.

Chyba 0037

K výjimce dochází v případě, že je zadáno více sloupců popisků a je povoleno pouze jedno.

K této chybě v Machine Learning dochází, pokud je vybráno více než jeden sloupec popisku jako nový sloupec popisku. Většina algoritmů učení pod dohledem vyžaduje, aby byl jeden sloupec označený jako cíl nebo popisek.

Rozlišení: Nezapomeňte vybrat jeden sloupec jako nový sloupec popisku.

Zprávy výjimek
Je zadáno více sloupců popisků.

Chyba 0038

K výjimce dochází v případě, že počet očekávaných prvků by měl být přesnou hodnotou, ale ne.

K této chybě v Machine Learning dochází v případě, že počet očekávaných prvků by měl být přesnou hodnotou, ale není. Tato chyba se zobrazí, pokud se počet prvků nerovná platné očekávané hodnotě.

Rozlišení: Upravte vstup tak, aby měl správný počet prvků.

Zprávy výjimek
Počet prvků není platný.
Počet prvků v "{0}" není platný.
Počet prvků v "{0}" se nerovná platnému {1} počtu prvků.

Chyba 0039

K výjimce dochází v případě, že operace selhala.

K této chybě v Machine Learning dochází v případě, že nelze dokončit interní operaci.

Rozlišení: Tato chyba je způsobená mnoha podmínkami a neexistuje žádný konkrétní lék.
Následující tabulka obsahuje obecné zprávy pro tuto chybu, za kterými následuje konkrétní popis podmínky.

Pokud nejsou k dispozici žádné podrobnosti, pošlete zpětnou vazbu a poskytněte informace o modulech, které vygenerovaly chybu a související podmínky.

Zprávy výjimek
Operace se nezdařila.
Chyba při dokončení operace: {0}.

Chyba 0040

Při volání zastaralého modulu dojde k výjimce.

Tato chyba v Machine Learning se vytvoří při volání zastaralého modulu.

Rozlišení: Nahraďte zastaralý modul podporovaným modulem. Informace o tom, který modul se má použít, najdete v protokolu výstupu modulu.

Zprávy výjimek
Přístup k zastaralému modulu
Modul "{0}" je zastaralý. Místo toho použijte modul "{1}".

Chyba 0041

Při volání zastaralého modulu dojde k výjimce.

Tato chyba v Machine Learning se vytvoří při volání zastaralého modulu.

Rozlišení: Zastaralý modul nahraďte sadou podporovaných modulů. Tyto informace by měly být viditelné v protokolu výstupu modulu.

Zprávy výjimek
Přístup k zastaralému modulu
Modul "{0}" je zastaralý. Moduly "{1}" použijte pro požadované funkce.

Chyba 0042

K výjimce dochází, pokud není možné převést sloupec na jiný typ.

K této chybě v Machine Learning dochází v případě, že není možné převést sloupec na zadaný typ. Tato chyba se zobrazí, pokud modul vyžaduje určitý datový typ, například datum a čas, text, číslo s plovoucí deseti čárkou nebo celé číslo, ale existující sloupec není možné převést na požadovaný typ.

Můžete například vybrat sloupec a pokusit se ho převést na číselný datový typ pro použití v matematické operaci a zobrazit tuto chybu, pokud sloupec obsahoval neplatná data.

Další důvod, proč se tato chyba může zobrazit, pokud se pokusíte použít sloupec obsahující čísla s plovoucí desetinou čárkou nebo mnoho jedinečných hodnot jako sloupec kategorií.

Řešení:

• Otevřete stránku nápovědy pro modul, který chybu vygeneroval, a ověřte požadavky na datový typ.
• Zkontrolujte datové typy sloupců ve vstupní datové sadě.
• Zkontrolujte data pocházející z tzv. zdrojů dat bez schématu.
• Zkontrolujte chybějící hodnoty nebo speciální znaky datové sady, které můžou blokovat převod na požadovaný datový typ.
  • Číselné datové typy by měly být konzistentní: například zkontrolujte čísla s plovoucí deseti čárkou ve sloupci celých čísel.
  • V číselném sloupci vyhledejte textové řetězce nebo hodnoty NA.
  • Logické hodnoty lze převést na odpovídající reprezentaci v závislosti na požadovaném datovém typu.
  • Prozkoumání textových sloupců pro znaky bez kódování Unicode, znaky tabulátoru nebo řídicí znaky
  • Data data datetime by měla být konzistentní, aby nedocházelo k chybám modelování, ale vyčištění může být složité v důsledku mnoha formátů. Zvažte použití skriptu execute R nebo execute Python Script modules to perform cleanup.
• V případě potřeby upravte hodnoty ve vstupní datové sadě tak, aby bylo možné sloupec úspěšně převést. Úprava může zahrnovat binning, zkrácení nebo zaokrouhlení operací, odstranění odlehlých hodnot nebo imputaci chybějících hodnot. V následujících článcích najdete některé běžné scénáře transformace dat ve strojovém učení:
  • Oříznutí hodnot
  • Vyčištění chybějících dat
  • Normalizace dat
  • Seskupení dat do přihrádek

Tip

Řešení nejasné nebo neplatí pro váš případ? Vítá vás odeslání zpětné vazby k tomuto článku a poskytnutí informací o scénáři, včetně modulu a datového typu sloupce. Tyto informace použijeme k poskytnutí podrobnějších kroků pro řešení potíží v budoucnu.

Zprávy výjimek
Nepovoleno převod.
Sloupec typu {0} nelze převést na sloupec typu {1}.
Nelze převést sloupec typu{2}{0} na sloupec typu {1}.
Nelze převést sloupec typu{2}{0} na sloupec "{3}" typu {1}.

Chyba 0043

K výjimce dochází, když typ elementu explicitně neimplementuje Equals.

Tato chyba v Machine Learning se nepoužívá a bude zastaralá.

Rozlišení: Žádný.

Zprávy výjimek
Nebyla nalezena žádná přístupná explicitní metoda Equals.
Nelze porovnat hodnoty pro sloupec \"{0}\" typu {1}. Nebyla nalezena žádná přístupná explicitní metoda Equals.

Chyba 0044

K výjimce dochází, pokud není možné odvodit typ prvku sloupce z existujících hodnot.

K této chybě v Machine Learning dochází v případě, že není možné odvodit typ sloupce nebo sloupců v datové sadě. K tomu obvykle dochází při zřetězení dvou nebo více datových sad s různými typy prvků. Pokud Machine Learning nedokáže určit společný typ, který dokáže znázorňovat všechny hodnoty ve sloupci nebo sloupcích bez ztráty informací, vygeneruje se tato chyba.

Rozlišení: Zajistěte, aby všechny hodnoty v daném sloupci v obou zkombinovaných datových sadách byly buď stejného typu (číselný, logický, kategorický, řetězec, datum atd.), nebo se dají převést na stejný typ.

Zprávy výjimek
Nelze odvodit typ prvku sloupce.
Nelze odvodit typ prvku pro sloupec "{0}" – všechny prvky jsou odkazy null.
Nelze odvodit typ elementu pro sloupec "{0}" datové sady "{1}" – všechny prvky jsou odkazy na hodnotu null.

Chyba 0045

K výjimce dochází, pokud není možné vytvořit sloupec kvůli smíšeným typům prvků ve zdroji.

Tato chyba v Machine Learning se vytvoří, když se liší typy prvků dvou datových sad, které se kombinují.

Rozlišení: Zajistěte, aby všechny hodnoty v daném sloupci v obou zkombinovaných datových sadách byly stejného typu (číselný, logický, kategorický, řetězec, datum atd.).

Zprávy výjimek
Nelze vytvořit sloupec se smíšenými typy elementů.
Nelze vytvořit sloupec s ID{0} smíšených typů elementů:\n\tType dat[{1}, {0}] je {2}\n\tType dat[{3}, {0}] je {4}.

Chyba 0046

K výjimce dochází v případě, že není možné vytvořit adresář v zadané cestě.

K této chybě v Machine Learning dochází v případě, že není možné vytvořit adresář na zadané cestě. Tato chyba se zobrazí, pokud je některá část cesty k výstupnímu adresáři dotazu Hive nesprávná nebo nepřístupná.

Rozlišení: Znovu se podívejte na modul a ověřte, že je cesta k adresáři správně naformátovaná a že je přístupná s aktuálními přihlašovacími údaji.

Zprávy výjimek
Zadejte platný výstupní adresář.
Adresář: {0} nelze vytvořit. Zadejte platnou cestu.

Chyba 0047

K výjimce dochází, pokud je počet sloupců funkcí v některých datových sadách předaných modulu příliš malý.

K této chybě v Machine Learning dochází v případě, že vstupní datová sada pro trénování neobsahuje minimální počet sloupců požadovaných algoritmem. Datová sada je obvykle prázdná nebo obsahuje pouze trénovací sloupce.

Rozlišení: Znovu se můžete vrátit ke vstupní datové sadě, abyste měli jistotu, že existuje jeden nebo více dalších sloupců kromě sloupce popisku.

Zprávy výjimek
Počet sloupců funkcí ve vstupní datové sadě je menší než povolený minimum.
Počet sloupců funkcí ve vstupní datové sadě je menší než povolený minimum {0} sloupců.
Počet sloupců funkcí ve vstupní datové sadě "{0}" je menší než povolené minimum {1} sloupců.

Chyba 0048

K výjimce dochází v případě, že není možné otevřít soubor.

K této chybě v Machine Learning dochází, když není možné otevřít soubor pro čtení nebo zápis. Tato chyba se může zobrazit z těchto důvodů:

• Kontejner nebo soubor (objekt blob) neexistuje.

• Úroveň přístupu souboru nebo kontejneru neumožňuje přístup k souboru.

• Soubor je pro čtení nebo nesprávný formát příliš velký.

Rozlišení: Znovu se podívejte na modul a soubor, který se pokoušíte přečíst.

Ověřte správnost názvů kontejneru a souboru.

Pomocí portálu Azure Classic nebo nástroje úložiště Azure ověřte, že máte oprávnění k přístupu k souboru.

Pokud se pokoušíte přečíst soubor obrázku, ujistěte se, že splňuje požadavky na soubory obrázků z hlediska velikosti, počtu pixelů atd. Další informace najdete v tématu Import imagí.

Zprávy výjimek
Soubor nelze otevřít.
Při otevírání souboru došlo k chybě: {0}.

Chyba 0049

K výjimce dochází v případě, že není možné analyzovat soubor.

K této chybě v Machine Learning dochází, když není možné analyzovat soubor. Tato chyba se zobrazí, pokud formát souboru vybraný v modulu Import dat neodpovídá skutečnému formátu souboru nebo pokud soubor obsahuje nerozpoznaný znak.

Rozlišení: Přejděte k modulu a opravte výběr formátu souboru, pokud neodpovídá formátu souboru. Pokud je to možné, zkontrolujte soubor a ověřte, že neobsahuje žádné neplatné znaky.

Zprávy výjimek
Nelze analyzovat soubor.
Při analýze souboru došlo k chybě: {0}.

Chyba 0050

K výjimce dochází v případě, že jsou vstupní a výstupní soubory stejné.

Rozlišení: Tato chyba v Machine Learning se nepoužívá a bude zastaralá.

Zprávy výjimek
Zadané soubory pro vstup a výstup nemohou být stejné.

Chyba 0051

K výjimce dochází v případě, že je několik výstupních souborů stejné.

Rozlišení: Tato chyba v Machine Learning se nepoužívá a bude zastaralá.

Zprávy výjimek
Zadané soubory pro výstupy nemohou být stejné.

Chyba 0052

K výjimce dochází, pokud je nesprávně zadán klíč účtu úložiště Azure.

K této chybě v Machine Learning dochází, pokud je klíč použitý pro přístup k účtu úložiště Azure nesprávný. Tato chyba se může zobrazit například v případě, že se klíč úložiště Azure zkrátil při zkopírování a vložení, nebo pokud byl použit nesprávný klíč.

Další informace o tom, jak získat klíč pro účet úložiště Azure, najdete v tématu Zobrazení, kopírování a opětovné vygenerování přístupových klíčů k úložišti.

Rozlišení: Znovu se podívejte na modul a ověřte správnost klíče úložiště Azure pro daný účet; v případě potřeby znovu zkopírujte klíč z portálu Azure Classic.

Zprávy výjimek
Klíč účtu úložiště Azure je nesprávný.

Chyba 0053

K výjimce dochází v případě, že neexistují žádné funkce uživatele nebo položky pro doporučení ke shodě.

Tato chyba v Machine Learning se vytvoří, když nelze najít vektor funkce.

Rozlišení: Ujistěte se, že ve vstupní datové sadě existuje vektor funkce.

Zprávy výjimek
Uživatelské funkce nebo/a položky se vyžadují, ale nejsou k dispozici.

Chyba 0054

K výjimce dochází v případě, že je ve sloupci příliš málo jedinečných hodnot k dokončení operace.

Rozlišení: Tato chyba v Machine Learning se nepoužívá a bude zastaralá.

Zprávy výjimek
Data mají v zadaném sloupci příliš málo jedinečných hodnot k dokončení operace.
Data mají v zadaném sloupci příliš málo jedinečných hodnot k dokončení operace. Požadované minimum je {0} elementy.
Data mají v sloupci{1} "" příliš málo jedinečných hodnot, aby bylo možné dokončit operaci. Požadované minimum je {0} elementy.

Chyba 0055

K výjimce dochází při volání zastaralého modulu.

Tato chyba v Machine Learning se zobrazí, pokud se pokusíte volat modul, který byl zastaralý.

Řešení:

Zprávy výjimek
Přístup k zastaralému modulu
Modul "{0}" je zastaralý.

Chyba 0056

K výjimce dochází v případě, že sloupce vybrané pro operaci porušují požadavky.

K této chybě v Machine Learning dochází při výběru sloupců pro operaci, která vyžaduje sloupec konkrétního datového typu.

K této chybě může dojít také v případě, že sloupec je správný datový typ, ale modul, který používáte, vyžaduje, aby byl sloupec označen také jako funkce, popisek nebo sloupec kategorií.

Například modul Převést na hodnoty indikátorů vyžaduje, aby sloupce byly kategorické a tato chyba se zobrazí, pokud vyberete sloupec funkce nebo sloupec popisku.

Řešení:

1. Zkontrolujte datový typ sloupců, které jsou aktuálně vybrané.

2. Zkontrolujte, jestli jsou vybrané sloupce kategorické, popisky nebo sloupce funkcí.

3. Projděte si téma nápovědy pro modul, ve kterém jste vybrali sloupec, a zjistěte, jestli existují specifické požadavky na použití datového typu nebo sloupce.

4. Pomocí možnosti Upravit metadata můžete změnit typ sloupce po dobu trvání této operace. Pokud ho potřebujete pro podřízené operace, nezapomeňte typ sloupce změnit zpět na původní hodnotu. Pokud ho potřebujete pro podřízené operace, použijte jinou instanci upravit metadata.

Zprávy výjimek
Jeden nebo více vybraných sloupců nebyl v povolené kategorii.
Sloupec s názvem "{0}" není v povolené kategorii.

Chyba 0057

K výjimce dochází při pokusu o vytvoření souboru nebo objektu blob, který již existuje.

K této výjimce dochází, když používáte modul Export dat nebo jiný modul k uložení výsledků experimentu v Machine Learning do úložiště objektů blob v Azure, ale pokusíte se vytvořit soubor nebo objekt blob, který již existuje.

Řešení:

Tato chyba se zobrazí pouze v případě, že jste dříve nastavili režim zápisu do služby Azure Blob Storage na Error. Tento modul podle návrhu vyvolá chybu, pokud se pokusíte napsat datovou sadu do objektu blob, který už existuje.

• Otevřete vlastnosti modulu a změňte režim zápisu do úložiště objektů blob v Azure na přepsání.
• Případně můžete zadat název jiného cílového objektu blob nebo souboru a nezapomeňte zadat objekt blob, který ještě neexistuje.

Zprávy výjimek
Soubor nebo objekt blob již existuje.
Soubor nebo objekt blob{0} již existuje.

Chyba 0058

K této chybě v Machine Learning dochází, pokud datová sada neobsahuje očekávaný sloupec popisku.

K této výjimce může dojít také v případě, že zadaný sloupec popisku neodpovídá datům nebo datovým typům očekávaným learnerem nebo má nesprávné hodnoty. Tato výjimka se například vytvoří při použití sloupce popisku v reálné hodnotě při trénování binárního klasifikátoru.

Rozlišení: Řešení závisí na učiteli nebo trenéru, který používáte, a datových typů sloupců ve vaší datové sadě. Nejprve ověřte požadavky algoritmu strojového učení nebo trénovacího modulu.

Znovu se můžete vrátit ke vstupní datové sadě. Ověřte, že se sloupec, který očekáváte, považuje za správný datový typ pro model, který vytváříte.

Zkontrolujte chybějící hodnoty a v případě potřeby je odstraňte nebo nahraďte.

V případě potřeby přidejte modul Upravit metadata a ujistěte se, že je sloupec popisku označený jako popisek.

Zprávy výjimek
Sloupec popisku není očekávaný.
Sloupec popisku není očekávaný v "{0}".
Sloupec popisku "{0}" se neočekává v "{1}".

Chyba 0059

K výjimce dochází v případě, že index sloupce zadaný v nástroji pro výběr sloupce nelze analyzovat.

K této chybě v Machine Learning dochází v případě, že index sloupce zadaný při použití selektoru sloupců nelze analyzovat. Tato chyba se zobrazí, když je index sloupce v neplatném formátu, který nelze analyzovat.

Rozlišení: Upravte index sloupce tak, aby používal platnou hodnotu indexu.

Zprávy výjimek
Jeden nebo více zadaných indexů sloupců nebo rozsahy indexů nelze analyzovat.
Index sloupce nebo oblast{0} "" nelze analyzovat.

Chyba 0060

K výjimce dochází v případě, že je oblast sloupců mimo rozsah zadána v nástroji pro výběr sloupce.

K této chybě v Machine Learning dochází v případě, že je v selektoru sloupců zadaný rozsah mimo rozsah. Tato chyba se zobrazí, pokud oblast sloupců ve výběru sloupce neodpovídá sloupcům v datové sadě.

Rozlišení: Upravte oblast sloupců ve výběru sloupce tak, aby odpovídala sloupcům v datové sadě.

Zprávy výjimek
Zadaný rozsah indexu sloupců je neplatný nebo mimo rozsah.
Oblast sloupců "{0}" je neplatná nebo mimo rozsah.

Chyba 0061

K výjimce dochází při pokusu o přidání řádku do tabulky DataTable, která má jiný počet sloupců než tabulka.

K této chybě v Machine Learning dochází při pokusu o přidání řádku do datové sady, která má jiný počet sloupců než datová sada. Tato chyba se zobrazí, pokud řádek přidaný do datové sady obsahuje jiný počet sloupců ze vstupní datové sady. Řádek nelze připojit k datové sadě, pokud se počet sloupců liší.

Rozlišení: Upravte vstupní datovou sadu tak, aby měla stejný počet sloupců jako přidaný řádek, nebo upravte řádek přidaný tak, aby měl stejný počet sloupců jako datová sada.

Zprávy výjimek
Všechny tabulky musí mít stejný počet sloupců.

Chyba 0062

K výjimce dochází při pokusu o porovnání dvou modelů s různými typy učení.

Tato chyba v Machine Learning se vytvoří, když se nedají porovnat metriky vyhodnocení dvou různých datových sad s skóre. V tomto případě není možné porovnat účinnost modelů použitých k vytvoření dvou datových sad s skóre.

Rozlišení: Ověřte, že se výsledky skóre vytvářejí stejným typem modelu strojového učení (binární klasifikace, regrese, klasifikace více tříd, doporučení, clustering, detekce anomálií atd.) Všechny modely, které porovnáváte, musí mít stejný typ učení.

Zprávy výjimek
Všechny modely musí mít stejný typ učení.

Chyba 0063

Tato výjimka se vyvolá, když vyhodnocení skriptu jazyka R selže s chybou.

K této chybě dochází, když jste zadali skript jazyka R v jednom z modulů jazyka R v Machine Learning a kód R obsahuje vnitřní chyby syntaxe. K výjimce může dojít také v případě, že do skriptu jazyka R zadáte nesprávné vstupy.

K chybě může dojít také v případě, že je skript příliš velký, aby se spustil v pracovním prostoru. Maximální velikost skriptu modulu Execute R Script je 1 000 řádků nebo 32 kB pracovního prostoru, podle toho, co je menší.

Řešení:

1. V Machine Learning Studiu (classic) klikněte pravým tlačítkem na modul s chybou a vyberte Zobrazit protokol.
2. Prozkoumejte standardní protokol chyb modulu, který obsahuje trasování zásobníku.
   • Řádky začínající [ModuleOutput] označují výstup z jazyka R.
   • Zprávy z jazyka R označené jako upozornění obvykle nezpůsobí selhání experimentu.
3. Vyřešte problémy se skripty.
   • Zkontrolujte chyby syntaxe jazyka R. Zkontrolujte, jestli nejsou definované proměnné, ale nikdy se nenaplní.
   • Zkontrolujte vstupní data a skript a zjistěte, jestli data nebo proměnné ve skriptu používají znaky, které Machine Learning nepodporují.
   • Zkontrolujte, jestli jsou nainstalované všechny závislosti balíčků.
   • Zkontrolujte, jestli kód načte požadované knihovny, které nejsou ve výchozím nastavení načteny.
   • Zkontrolujte, jestli jsou požadované balíčky správnou verzí.
   • Ujistěte se, že se všechny datové sady, které chcete výstupovat, převedou na datový rámec.
4. Znovu odešlete experiment.

Poznámka

Tato témata obsahují příklady kódu jazyka R, který můžete použít, a také odkazy na experimenty v galerii Cortana intelligence, které používají skript jazyka R.

• Spouštění skriptů R
• Vytvoření modelu R

Zprávy výjimek
Při vyhodnocování skriptu jazyka R došlo k chybě.
Při vyhodnocení skriptu jazyka R došlo k následující chybě: ---------- Spuštění chybové zprávy z R ---------- {0} ----------- Konec chybové zprávy z R -----------
Při vyhodnocení skriptu jazyka R došlo{1} k následující chybě: ---------- Spuštění chybové zprávy z R ---------- ----------- {0} Konec chybové zprávy z R -----------

Chyba 0064

K výjimce dochází, pokud je nesprávně zadán název účtu úložiště Azure nebo klíč úložiště.

K této chybě v Machine Learning dochází, pokud je nesprávně zadán název účtu úložiště Azure nebo klíč úložiště. Tato chyba se zobrazí, pokud zadáte nesprávný název účtu nebo heslo pro účet úložiště. K tomu může dojít, pokud ručně zadáte název účtu nebo heslo. Může k tomu dojít také v případě, že byl účet odstraněn.

Rozlišení: Ověřte, že jste správně zadali název účtu a heslo a že účet existuje.

Zprávy výjimek
Název účtu úložiště Azure nebo klíč úložiště je nesprávný.
Název účtu úložiště Azure "{0}" nebo klíč úložiště pro název účtu je nesprávný.

Chyba 0065

K výjimce dochází, pokud je nesprávně zadán název objektu blob Azure.

K této chybě v Machine Learning dochází, pokud je název objektu blob Azure zadán nesprávně. Pokud se zobrazí tato chyba, zobrazí se tato chyba:

• Objekt blob nelze najít v zadaném kontejneru.

• Plně kvalifikovaný název objektu blob zadaný pro výstup v jednom z Učení s moduly Counts je větší než 512 znaků.

• Pouze kontejner byl zadán jako zdroj v požadavku na import dat, když byl formát Excel nebo CSV s kódováním; zřetězení obsahu všech objektů blob v kontejneru není s těmito formáty povoleno.

• Identifikátor URI SAS neobsahuje název platného objektu blob.

Rozlišení: Znovu se můžete vrátit k modulu, který vyvolá výjimku. Ověřte, že zadaný objekt blob v kontejneru v účtu úložiště existuje a že oprávnění umožňují zobrazit objekt blob. Pokud máte Excel nebo CSV s kódováním, ověřte, že je vstup název/název souboru souboru formuláře. Ověřte, že identifikátor URI SAS obsahuje název platného objektu blob.

Zprávy výjimek
Objekt blob úložiště Azure je nesprávný.
Název{0} objektu blob úložiště Azure je nesprávný.

Chyba 0066

K výjimce dochází v případě, že prostředek nelze nahrát do objektu blob Azure.

K této chybě v Machine Learning dochází v případě, že se prostředek nepodařilo nahrát do objektu blob Azure. Tato zpráva se zobrazí, pokud při trénování modelu Vowpal Wabbit 7-4 dojde k chybě při pokusu o uložení modelu nebo hodnoty hash vytvořené při trénování modelu. Obě se ukládají do stejného účtu úložiště Azure jako účet obsahující vstupní soubor.

Rozlišení: Znovu se k modulu vrátit. Ověřte správnost názvu účtu Azure, klíče úložiště a kontejneru a že má účet oprávnění k zápisu do kontejneru.

Zprávy výjimek
Prostředek nelze nahrát do úložiště Azure.
Soubor "{0}" nelze nahrát do úložiště Azure jako {1}.

Chyba 0067

K výjimce dochází v případě, že datová sada má jiný počet sloupců, než se čekalo.

K této chybě v Machine Learning dochází v případě, že datová sada obsahuje jiný počet sloupců, než se čekalo. Tato chyba se zobrazí, když se počet sloupců v datové sadě liší od počtu sloupců, které modul očekává během provádění.

Rozlišení: Upravte vstupní datovou sadu nebo parametry.

Zprávy výjimek
Neočekávaný počet sloupců v datové tabulce
Očekává se, že sloupce "{0}", ale místo toho byly nalezeny sloupce "{1}".

Chyba 0068

K výjimce dochází, pokud zadaný skript Hive není správný.

K této chybě v Machine Learning dochází v případě, že ve skriptu Hive QL dojde k chybám syntaxe nebo pokud interpret Hive při provádění dotazu nebo skriptu narazí na chybu.

Řešení:

Chybová zpráva z Hivu je obvykle hlášena zpět v protokolu chyb, takže můžete provést akci na základě konkrétní chyby.

• Otevřete modul a zkontrolujte, jestli dotaz neobsahuje chyby.
• Ověřte, že dotaz funguje správně mimo Machine Learning, a to tak, že se přihlásíte ke konzole Hive clusteru Hadoop a spustíte dotaz.
• Zkuste do skriptu Hive umístit komentáře na samostatný řádek, a ne kombinovat spustitelné příkazy a komentáře na jeden řádek.

Zdroje informací

Nápovědu k dotazům Hive pro strojové učení najdete v následujících článcích:

• Vytvoření tabulek Hivu a načtení dat z Azure Blob Storage
• Zkoumání dat v tabulkách pomocí dotazů Hive
• Vytvoření funkcí pro data v clusteru Hadoop pomocí dotazů Hivu
• Podregistr pro SQL uživatelé – tahák (PDF)

Zprávy výjimek
Skript Hive je nesprávný.
Skript {0} Hive není správný.

Chyba 0069

K výjimce dochází, pokud zadaný SQL skript není správný.

K této chybě v Machine Learning dochází v případě, že zadaný skript SQL má problémy se syntaxí nebo pokud sloupce nebo tabulka zadané ve skriptu nejsou platné.

Tato chyba se zobrazí v případě, že modul SQL při provádění dotazu nebo skriptu dojde k nějaké chybě. Chybová zpráva SQL je obvykle hlášena zpět v protokolu chyb, abyste mohli provést akci na základě konkrétní chyby.

Rozlišení: Znovu se k modulu vrátit a zkontrolovat SQL dotaz na chyby.

Ověřte, že dotaz funguje správně mimo Azure ML, a to tak, že se přihlásíte k databázovému serveru přímo a spustíte dotaz.

Pokud existuje SQL vygenerovaná zpráva hlášená výjimkou modulu, proveďte akci na základě nahlášené chyby. Chybové zprávy například někdy obsahují konkrétní pokyny k pravděpodobné chybě:

• Žádný takový sloupec nebo chybějící databáze, což značí, že jste pravděpodobně zadali nesprávný název sloupce. Pokud jste si jistí, že je název sloupce správný, zkuste použít závorky nebo uvozovky k uzavření identifikátoru sloupce.
• SQL chyba logiky poblíž <klíčového slova SQL, což značí, že před zadaným klíčovým> slovem může dojít k chybě syntaxe.

Zprávy výjimek
SQL skript není správný.
SQL dotaz "{0}" není správný.
SQL dotaz "{0}" není správný:{1}

Chyba 0070

K výjimce dochází při pokusu o přístup k neexistující tabulce Azure.

K této chybě v Machine Learning dochází při pokusu o přístup k neexistující tabulce Azure. Tato chyba se zobrazí, pokud zadáte tabulku ve službě Azure Storage, která neexistuje při čtení nebo zápisu do tabulky Azure Storage. K tomu může dojít v případě, že jste nesprávně zadali název požadované tabulky nebo máte neshodu mezi cílovým názvem a typem úložiště. Například jste chtěli číst z tabulky, ale místo toho jste zadali název objektu blob.

Rozlišení: Znovu se podívejte na modul a ověřte správnost názvu tabulky.

Zprávy výjimek
Tabulka Azure neexistuje.
Tabulka Azure neexistuje{0}.

Chyba 0071

K výjimce dochází, pokud zadané přihlašovací údaje nejsou správné.

K této chybě v Machine Learning dochází, pokud zadané přihlašovací údaje nejsou správné.

Tato chyba se může zobrazit také v případě, že se modul nemůže připojit ke clusteru HDInsight.

Rozlišení: Zkontrolujte vstupy modulu a ověřte název a heslo účtu.

Zkontrolujte následující problémy, které můžou způsobit chybu:

• Schéma datové sady neodpovídá schématu cílové datové tabulky.

• Názvy sloupců chybí nebo jsou chybně napsané.

• Píšete do tabulky, která obsahuje názvy sloupců s neplatnými znaky. Obvykle můžete tyto názvy sloupců uzavřít do hranatých závorek, ale pokud to nepomůže, upravte názvy sloupců tak, aby používaly pouze písmena a podtržítka (_).

• Řetězce, které se pokoušíte napsat, obsahují jednoduché uvozovky.

Pokud se pokoušíte připojit ke clusteru HDInsight, ověřte, že je cílový cluster přístupný pomocí zadaných přihlašovacích údajů.

Zprávy výjimek
Předají se nesprávné přihlašovací údaje.
Nesprávné uživatelské jméno "{0}" nebo heslo je předáno

Chyba 0072

K výjimce dochází v případě vypršení časového limitu připojení.

K této chybě v Machine Learning dochází, když vyprší časový limit připojení. Tato chyba se zobrazí, pokud aktuálně dochází k problémům s připojením ke zdroji dat nebo cíli, jako je pomalé připojení k internetu nebo pokud je datová sada velká nebo SQL dotaz, který se má číst v datech, provádí složité zpracování.

Rozlišení: Zjistěte, jestli v současné době dochází k problémům s pomalým připojením k úložišti Azure nebo k internetu.

Zprávy výjimek
Došlo k vypršení časového limitu připojení.

Chyba 0073

K výjimce dochází v případě, že dojde k chybě při převodu sloupce na jiný typ.

K této chybě v Machine Learning dochází v případě, že není možné převést sloupec na jiný typ. Tato chyba se zobrazí, pokud modul vyžaduje určitý typ a není možné převést sloupec na nový typ.

Rozlišení: Upravte vstupní datovou sadu tak, aby bylo možné sloupec převést na základě vnitřní výjimky.

Zprávy výjimek
Nepodařilo se převést sloupec.
Nepodařilo se převést sloupec na {0}.

Chyba 0074

K výjimce dochází, když se edit metadata pokusí převést řídký sloupec na kategorický.

K této chybě v Machine Learning dochází, když se edit metadata pokusí převést řídký sloupec na kategorický. Tato chyba se zobrazí při pokusu o převod řídkých sloupců na kategorickou pomocí možnosti Vytvořit kategorický . Machine Learning nepodporuje řídká pole kategorií, takže modul selže.

Rozlišení: Zajistěte, aby byl sloupec zhuštěný pomocí funkce Převést na datovou sadu , nebo sloupec nepřeveďte na kategorický.

Zprávy výjimek
Řídké sloupce nelze převést na kategorický.

Chyba 0075

K výjimce dochází, když se při kvantování datové sady použije neplatná funkce binningu.

K této chybě v Machine Learning dochází při pokusu o přihrádku dat pomocí nepodporované metody nebo když jsou kombinace parametrů neplatné.

Řešení:

Zpracování chyb pro tuto událost bylo zavedeno ve starší verzi Machine Learning, která umožňovala větší přizpůsobení binning metod. V současné době jsou všechny metody binningu založené na výběru z rozevíracího seznamu, takže technicky by již neměla být možné tuto chybu zobrazit.

Pokud se při použití modulu Data skupiny do přihrádek zobrazí tato chyba, zvažte nahlášení problému ve fóru Machine Learning, poskytnutí datových typů, nastavení parametrů a přesnou chybovou zprávu.

Zprávy výjimek
Byla použita neplatná funkce binningu.

Chyba 0077

K výjimce dochází v případě, že byl předán režim zápisu neznámého souboru objektu blob.

K této chybě v Machine Learning dochází v případě, že je předán neplatný argument ve specifikacích cílového nebo zdrojového souboru objektu blob.

Rozlišení: Téměř ve všech modulech, které importují nebo exportují data do a ze služby Azure Blob Storage, jsou hodnoty parametrů, které řídí režim zápisu, přiřazeny pomocí rozevíracího seznamu; proto není možné předat neplatnou hodnotu a tato chyba by se neměla zobrazit. Tato chyba bude v pozdější verzi zastaralá.

Zprávy výjimek
Nepodporovaný režim zápisu objektů blob
Nepodporovaný režim zápisu objektů blob: {0}.

Chyba 0078

K výjimce dochází, když možnost HTTP pro import dat obdrží stavový kód 3xx označující přesměrování.

K této chybě v Machine Learning dochází, když možnost HTTP pro import dat obdrží stavový kód 3xx (301, 302, 304 atd.) označující přesměrování. Tato chyba se zobrazí, pokud se pokusíte připojit ke zdroji HTTP, který přesměruje prohlížeč na jinou stránku. Z bezpečnostních důvodů nejsou přesměrování webů povolené jako zdroje dat pro Machine Learning.

Rozlišení: Pokud je web důvěryhodným webem, zadejte přímo přesměrovanou adresu URL.

Zprávy výjimek
Přesměrování http není povoleno

Chyba 0079

K výjimce dochází, pokud je nesprávně zadaný název kontejneru úložiště Azure.

K této chybě v Machine Learning dochází v případě nesprávného zadání názvu kontejneru úložiště Azure. Tato chyba se zobrazí, pokud jste nezadáli název kontejneru i objektu blob (souboru) pomocí možnosti Cesta k objektu blob začínající možností kontejneru při zápisu do Azure Blob Storage.

Rozlišení: Znovu se podívejte na modul Export dat a ověřte, že zadaná cesta k objektu blob obsahuje kontejner i název souboru ve formátu kontejneru nebo názvu souboru.

Zprávy výjimek
Název kontejneru úložiště Azure je nesprávný.
Název{0} kontejneru úložiště Azure je nesprávný. Byl očekáváný název kontejneru nebo objektu blob formátu.

Chyba 0080

K výjimce dochází v případě, že modul nepovoluje sloupec se všemi chybějícími hodnotami.

Tato chyba v Machine Learning se vytvoří, když jeden nebo více sloupců spotřebovaných modulem obsahuje všechny chybějící hodnoty. Pokud například modul počítá agregované statistiky pro každý sloupec, nemůže pracovat se sloupcem, který neobsahuje žádná data. V takových případech se spuštění modulu zastaví s touto výjimkou.

Rozlišení: Znovu se můžete vrátit ke vstupní datové sadě a odebrat všechny sloupce, které obsahují všechny chybějící hodnoty.

Zprávy výjimek
Sloupce se všemi chybějícími hodnotami nejsou povolené.
Ve sloupci {0} chybí všechny hodnoty.

Chyba 0081

K výjimce dochází v modulu PCA, pokud se počet dimenzí, na které se má snížit, rovná počtu sloupců funkcí ve vstupní datové sadě obsahující alespoň jeden řídký sloupec funkce.

Tato chyba v Machine Learning se vytvoří, pokud jsou splněny následující podmínky: (a) vstupní datová sada má alespoň jeden řídký sloupec a (b) konečný počet požadovaných dimenzí je stejný jako počet vstupních dimenzí.

Rozlišení: Zvažte snížení počtu dimenzí ve výstupu tak, aby byl menší než počet dimenzí ve vstupu. To je typické v aplikacích PCA. Další informace naleznete v tématu Analýza hlavních komponent.

Zprávy výjimek
U datových sad obsahujících řídké sloupce funkcí by měl být počet dimenzí, které se mají snížit, menší než počet sloupců funkcí.

Chyba 0082

K výjimce dochází v případě, že model nelze úspěšně deserializovat.

K této chybě v Machine Learning dochází v případě, že uložený model strojového učení nebo transformace nelze načíst novější verzí modulu runtime Machine Learning v důsledku zásadní změny.

Rozlišení: Trénovací experiment, který vytvořil model nebo transformaci, musí být znovu spuštěn a model nebo transformace musí být znovu uložené.

Zprávy výjimek
Model nelze deserializovat, protože je pravděpodobně serializován se starším formátem serializace. Přetrénujte a znovu uložte model.

Chyba 0083

K výjimce dochází v případě, že datová sada používaná pro trénování se nedá použít pro konkrétní typ učení.

Tato chyba v Machine Learning se vytvoří v případě, že datová sada není kompatibilní s natrénovaným učením. Datová sada může například obsahovat alespoň jednu chybějící hodnotu v každém řádku a v důsledku toho se během trénování přeskočí celá datová sada. V jiných případech některé algoritmy strojového učení, jako je detekce anomálií, neočekávají přítomnost popisků a mohou vyvolat tuto výjimku, pokud jsou popisky přítomné v datové sadě.

Rozlišení: Projděte si dokumentaci, která se používá ke kontrole požadavků na vstupní datovou sadu. Prozkoumejte sloupce a podívejte se, jestli jsou k dispozici všechny požadované sloupce.

Zprávy výjimek
Datová sada použitá pro trénování je neplatná.
{0} obsahuje neplatná data pro trénování.
{0} obsahuje neplatná data pro trénování. Typ výuka: {1}.

Chyba 0084

K výjimce dochází, když se vyhodnotí skóre vytvořené ze skriptu jazyka R. Toto není aktuálně podporováno.

K této chybě v Machine Learning dochází, pokud se pokusíte použít jeden z modulů k vyhodnocení modelu s výstupem ze skriptu jazyka R, který obsahuje skóre.

Řešení:

Zprávy výjimek
Vyhodnocení skóre vytvořené jazykem R se v současné době nepodporuje.

Chyba 0085

K výjimce dochází v případě, že vyhodnocení skriptu selže s chybou.

K této chybě v Machine Learning dochází, když spouštíte vlastní skript obsahující chyby syntaxe.

Rozlišení: Zkontrolujte kód v externím editoru a zkontrolujte chyby.

Zprávy výjimek
Při vyhodnocování skriptu došlo k chybě.
Při vyhodnocování skriptu došlo k následující chybě. Další informace najdete v protokolu výstupu: ---------- Začátek chybové zprávy z {0} interpretu ---------- {1} ---------- Konec chybové zprávy z {0} interpreta ----------

Chyba 0086

K výjimce dochází v případě, že je transformace počítání neplatná.

Tato chyba v Machine Learning nastane, když vyberete transformaci založenou na tabulce počtu, ale vybraná transformace není kompatibilní s aktuálními daty nebo s novou tabulkou počtu.

Rozlišení: Modul podporuje ukládání počtu a pravidel, která tvoří transformaci ve dvou různých formátech. Pokud slučujete tabulky s počtem, ověřte, že obě tabulky, které chcete sloučit, používají stejný formát.

Obecně platí, že transformaci založenou na počtu lze použít pouze u datových sad, které mají stejné schéma jako datová sada, na které byla transformace původně vytvořena.

Obecné informace najdete v tématu Učení s počtem. Požadavky specifické pro vytváření a slučování funkcí založených na počtu najdete v těchto tématech:

• Transformace počtu sloučení

• Tabulka počtu importů

• Úprava parametrů tabulky počtu

Zprávy výjimek
Byla zadána neplatná transformace počítání.
Výpočet transformace na vstupním portu '{0}' je neplatný.
Při počítání transformací na vstupním portu '{0}' nelze sloučit s transformací počítání na vstupním portu '{1}'. Zkontrolujte, jestli metadata použitá pro počítání shod.

Chyba 0087

K výjimce dochází v případě, že pro učení s moduly counts je zadaný neplatný typ tabulky počtu.

K této chybě v Machine Learning dochází při pokusu o import existující tabulky počtu, ale tabulka není kompatibilní s aktuálními daty nebo s novou tabulkou počtu.

Rozlišení: Existují různé formáty pro ukládání počtu a pravidel, které tvoří transformaci. Pokud slučujete tabulky s počtem, ověřte, že oba používají stejný formát.

Obecně platí, že transformace založená na počtu se dá použít jenom u datových sad, které mají stejné schéma jako datová sada, na které byla transformace původně vytvořena.

Obecné informace najdete v tématu Učení s počtem. Informace o požadavcích specifických pro vytváření a slučování funkcí založených na počtu najdete v těchto tématech:

Chyba 0088

K výjimce dochází v případě, že je pro výuku zadán neplatný typ počítání s moduly.

K této chybě v Machine Learning dochází, když se pokusíte použít jinou metodu počítání, než je podporováno pro funkci na základě počtu.

Rozlišení: Obecně platí, že metody počítání se vyberou z rozevíracího seznamu, takže byste tuto chybu neměli vidět.

Obecné informace najdete v tématu Učení s počtem. Informace o požadavcích specifických pro vytváření a slučování funkcí založených na počtu najdete v těchto tématech:

• Transformace počtu sloučení

• Tabulka počtu importů

• Úprava parametrů tabulky počtu

Zprávy výjimek
Je zadán neplatný typ počítání.
Zadaný typ počítání '{0}' není platný typ počítání.

Chyba 0089

K výjimce dochází v případě, že zadaný počet tříd je menší než skutečný počet tříd v datové sadě používané k počítání.

K této chybě v Machine Learning dochází při vytváření tabulky počtu a sloupec popisku obsahuje jiný počet tříd, než jste zadali v parametrech modulu.

Rozlišení: Zkontrolujte datovou sadu a zjistěte, kolik jedinečných hodnot (možné třídy) je ve sloupci popisku. Při vytváření tabulky počtu je nutné zadat alespoň tento počet tříd.

Tabulka počtu nemůže automaticky určit počet dostupných tříd.

Při vytváření tabulky počtu nelze zadat 0 ani žádné číslo, které je menší než skutečný počet tříd ve sloupci popisku.

Zprávy výjimek
Počet tříd je nesprávný. Ujistěte se, že počet tříd zadaných v podokně parametrů je větší nebo roven počtu tříd ve sloupci popisku.
Zadaný počet tříd je "{0}", což není větší než hodnota{1} popisku "" v datové sadě použité k počítání. Ujistěte se, že počet tříd zadaných v podokně parametrů je větší nebo roven počtu tříd ve sloupci popisku.

Chyba 0090

K výjimce dochází při selhání vytváření tabulky Hive.

K této chybě v Machine Learning dochází, když používáte možnost Exportovat data nebo jinou možnost ukládání dat do clusteru HDInsight a zadaná tabulka Hive se nedá vytvořit.

Rozlišení: Zkontrolujte název účtu úložiště Azure přidružený ke clusteru a ověřte, že ve vlastnostech modulu používáte stejný účet.

Zprávy výjimek
Tabulku Hive nelze vytvořit. V případě clusteru HDInsight se ujistěte, že název účtu úložiště Azure přidružený ke clusteru je stejný jako to, co se předává prostřednictvím parametru modulu.
Tabulku{0} Hive nelze vytvořit. V případě clusteru HDInsight se ujistěte, že název účtu úložiště Azure přidružený ke clusteru je stejný jako to, co se předává prostřednictvím parametru modulu.
Tabulku{0} Hive nelze vytvořit. V případě clusteru HDInsight se ujistěte, že název účtu úložiště Azure přidružený ke clusteru je "{1}".

Chyba 0100

K výjimce dochází v případě, že je pro vlastní modul zadán nepodporovaný jazyk.

K této chybě v Machine Learning dochází při vytváření vlastního modulu a vlastnost název elementu Language v souboru xml vlastního modulu má neplatnou hodnotu. V současné době je jediná platná hodnota pro tuto vlastnost R. Například:

<Language name="R" sourceFile="CustomAddRows.R" entryPoint="CustomAddRows" />

Rozlišení: Ověřte, že vlastnost name elementu Language v souboru definice xml vlastního modulu je nastavena na R. Uložte soubor, aktualizujte balíček ZIP vlastního modulu a zkuste přidat vlastní modul znovu.

Zprávy výjimek
Zadaný nepodporovaný jazyk vlastního modulu

Chyba 0101

Všechna ID portů a parametrů musí být jedinečná.

K této chybě v Machine Learning dochází, když má jeden nebo více portů nebo parametrů přiřazenou stejnou hodnotu ID v souboru definice XML vlastního modulu.

Rozlišení: Zkontrolujte, že hodnoty ID napříč všemi porty a parametry jsou jedinečné. Uložte soubor XML, aktualizujte balíček ZIP vlastního modulu a zkuste vlastní modul přidat znovu.

Zprávy výjimek
Všechna ID portů a parametrů pro modul musí být jedinečná.
Modul '{0}' má duplicitní ID portu/argumentu. Všechna ID portu/argumentu musí být pro modul jedinečná.

Chyba 0102

Vyvoláno, když nelze extrahovat soubor ZIP.

K této chybě v Machine Learning dochází při importu komprimovaného balíčku s příponou .zip, ale balíček buď není soubor zip, nebo soubor nepoužívá podporovaný formát zip.

Rozlišení: Ujistěte se, že je vybraný soubor platným souborem .zip a že byl komprimován pomocí některého z podporovaných algoritmů komprese.

Pokud se při importu datových sad v komprimovaném formátu zobrazí tato chyba, ověřte, že všechny obsažené soubory používají jeden z podporovaných formátů souborů a jsou ve formátu Unicode. Další informace najdete v tématu Rozbalení zazipovaných datových sad.

Zkuste přečíst požadované soubory do nové komprimované zazipované složky a zkuste přidat vlastní modul znovu.

Zprávy výjimek
Daný soubor ZIP není ve správném formátu.

Chyba 0103

Vyvolá se, když soubor ZIP neobsahuje žádné soubory .xml

K této chybě v Machine Learning dochází, když balíček ZIP vlastního modulu neobsahuje žádné soubory definice modulu (.xml). Tyto soubory se musí nacházet v kořenovém adresáři balíčku ZIP (například ne v podsložce.)

Rozlišení: Ověřte, že jeden nebo více souborů definic modulu XML je v kořenové složce balíčku ZIP tím, že ho extrahuje do dočasné složky na diskové jednotce. Všechny soubory XML by měly být přímo ve složce, do které jste extrahovali balíček zip. Ujistěte se, že při vytváření balíčku ZIP nevybírejte složku, která obsahuje soubory XML pro zip, protože se vytvoří podsložka v balíčku zip se stejným názvem jako složka, kterou jste vybrali pro zip.

Zprávy výjimek
Daný soubor ZIP neobsahuje žádné soubory definice modulu (.xml soubory)

Chyba 0104

Vyvolá se, když soubor definice modulu odkazuje na skript, který nelze najít.

Tato chyba v Machine Learning se vyvolá, když soubor definice XML vlastního modulu odkazuje na soubor skriptu v elementu Language, který v balíčku ZIP neexistuje. Cesta k souboru skriptu je definována ve vlastnosti sourceFileelementu Language . Cesta ke zdrojovému souboru je relativní ke kořenovému adresáři balíčku ZIP (stejné umístění jako soubory definic xml modulu). Pokud je soubor skriptu v podsložce, musí být zadána relativní cesta k souboru skriptu. Pokud byly například všechny skripty uložené ve složce myScripts v rámci balíčku ZIP, bude muset element Language přidat tuto cestu do vlastnosti sourceFile , jak je uvedeno níže. Například:

<Language name="R" sourceFile="myScripts/CustomAddRows.R" entryPoint="CustomAddRows" />

Rozlišení: Ujistěte se, že je správná hodnota vlastnosti sourceFile v elementu Language definice xml vlastního modulu a že zdrojový soubor existuje ve správné relativní cestě v balíčku ZIP.

Zprávy výjimek
Odkazovaný soubor skriptu jazyka R neexistuje.
Odkazovaný soubor{0} skriptu jazyka R nelze najít. Ujistěte se, že relativní cesta k souboru je správná z umístění definic.

Chyba 0105

Tato chyba se zobrazí, když soubor definice modulu obsahuje nepodporovaný typ parametru.

Tato chyba v Machine Learning se vytvoří, když vytvoříte definici XML vlastního modulu a typ parametru nebo argumentu v definici neodpovídá podporovanému typu.

Rozlišení: Ujistěte se, že vlastnost typu libovolného prvku Arg v souboru definice XML vlastního modulu je podporovaným typem.

Zprávy výjimek
Nepodporovaný typ parametru
Zadaný nepodporovaný typ{0} parametru

Chyba 0106

Vyvolá se, když soubor definice modulu definuje nepodporovaný vstupní typ.

Tato chyba v Machine Learning se vytvoří, když typ vstupního portu v definici XML vlastního modulu neodpovídá podporovanému typu.

Rozlišení: Ujistěte se, že vlastnost typu vstupního prvku v souboru definice XML vlastního modulu je podporovaný typ.

Zprávy výjimek
Nepodporovaný vstupní typ.
Zadaný nepodporovaný typ vstupu{0}.

Chyba 0107

Vyvolá se, když soubor definice modulu definuje nepodporovaný typ výstupu.

Tato chyba v Machine Learning se vytvoří, když typ výstupního portu v definici XML vlastního modulu neodpovídá podporovanému typu.

Rozlišení: Ujistěte se, že vlastnost typu výstupní elementu v souboru definice XML vlastního modulu je podporovaný typ.

Zprávy výjimek
Nepodporovaný typ výstupu
Zadaný nepodporovaný výstupní typ{0}

Chyba 0108

Vyvolá se, když definiční soubor modulu definuje více vstupních nebo výstupních portů, než se podporuje.

Tato chyba v Machine Learning se vytvoří, pokud je v definici XML vlastního modulu definováno příliš mnoho vstupních nebo výstupních portů.

Rozlišení: Zajišťuje, aby maximální počet vstupních a výstupních portů definovaných v definici XML vlastního modulu nepřekročil maximální počet podporovaných portů.

Zprávy výjimek
Byl překročen podporovaný počet vstupních nebo výstupních portů.
Překročil počet podporovaných portů .{0} Maximální povolený počet{0} portů je '{1}'.

Chyba 0109

Vyvolá se, když soubor definice modulu nesprávně definuje výběr sloupce

Tato chyba v Machine Learning se vytvoří, když syntaxe argumentu pro výběr sloupce obsahuje chybu v definici XML vlastního modulu.

Rozlišení: Tato chyba se vytvoří, když syntaxe argumentu pro výběr sloupce obsahuje chybu v definici xml vlastního modulu.

Zprávy výjimek
Nepodporovaná syntaxe pro výběr sloupců

Chyba 0110

Vyvolá se, když soubor definice modulu definuje výběr sloupce, který odkazuje na neexistující ID vstupního portu.

Tato chyba v Machine Learning se vytvoří, když vlastnost portId v elementu Properties Arg typu ColumnPicker neodpovídá hodnotě ID vstupního portu.

Rozlišení: Ujistěte se, že vlastnost portId odpovídá hodnotě ID vstupního portu definovaného v definici xml vlastního modulu.

Zprávy výjimek
Výběr sloupce odkazuje na neexistující ID vstupního portu.
Výběr sloupce odkazuje na neexistující ID vstupního portu '{0}'.

Chyba 0111

Vyvolá se, když definiční soubor modulu definuje neplatnou vlastnost.

Tato chyba v Machine Learning se vytvoří, když je neplatná vlastnost přiřazena elementu v definici XML vlastního modulu.

Rozlišení: Ujistěte se, že je vlastnost podporována elementem vlastního modulu.

Zprávy výjimek
Definice vlastnosti je neplatná.
Definice vlastnosti '{0}' je neplatná.

Chyba 0112

Vyvolána v případech, kdy nelze analyzovat definiční soubor modulu

Tato chyba v Machine Learning se vytvoří, pokud ve formátu XML dojde k chybě, která brání analýze definice XML vlastního modulu jako platný soubor XML.

Rozlišení: Ujistěte se, že je každý prvek otevřen a zavřený správně. Ujistěte se, že ve formátování XML nedošlo k žádným chybám.

Zprávy výjimek
Nelze analyzovat definiční soubor modulu.
Nelze analyzovat definiční soubor modulu '{0}'.

Chyba 0113

Vyvolá se, když soubor definice modulu obsahuje chyby.

Tato chyba v Machine Learning se vytvoří, když je možné analyzovat soubor definice XML vlastního modulu, ale obsahuje chyby, jako je definice prvků, které vlastní moduly nepodporují.

Rozlišení: Ujistěte se, že definiční soubor vlastního modulu definuje prvky a vlastnosti podporované vlastními moduly.

Zprávy výjimek
Definiční soubor modulu obsahuje chyby.
Definiční soubor modulu obsahuje{0} chyby.
Definiční soubor modulu obsahuje{0} chyby. {1}

Chyba 0114

Vyvolá se při vytváření vlastního modulu selhání.

Tato chyba v Machine Learning se vytvoří, když selže sestavení vlastního modulu. K tomu dochází v případě, že při přidávání vlastního modulu dojde k jedné nebo několika chybám souvisejícím s vlastním modulem. Další chyby jsou hlášeny v této chybové zprávě.

Rozlišení: Vyřešte chyby hlášené v této zprávě o výjimce.

Zprávy výjimek
Nepodařilo se sestavit vlastní modul.
Sestavení vlastních modulů selhala s chybami: {0}

Chyba 0115

Vyvolá se, když má výchozí skript vlastního modulu nepodporované rozšíření.

K této chybě v Machine Learning dojde, když zadáte skript pro vlastní modul, který používá neznámé přípony názvu souboru.

Rozlišení: Ověřte formát souboru a příponu názvu souboru všech souborů skriptu, které jsou součástí vlastního modulu.

Zprávy výjimek
Nepodporované rozšíření výchozího skriptu
Nepodporovaný rozsah {0} souborů pro výchozí skript

Chyba 0121

Vyvolá se, když SQL zápis selže, protože tabulka je nepřepsaná

Tato chyba v Machine Learning se vytvoří, když používáte modul Export dat k uložení výsledků do tabulky v SQL databázi a tabulku nelze zapsat. Tato chyba se obvykle zobrazí, pokud modul exportu dat úspěšně naváže připojení k instanci SQL Server, ale pak nemůže zapisovat obsah datové sady Azure ML do tabulky.

Řešení:

• Otevřete podokno Vlastnosti modulu Exportovat data a ověřte, že jsou správně zadány názvy databází a tabulek.
• Zkontrolujte schéma datové sady, kterou exportujete, a ujistěte se, že jsou data kompatibilní s cílovou tabulkou.
• Ověřte, že SQL přihlášení přidružené k uživatelskému jménu a heslu má oprávnění k zápisu do tabulky.
• Pokud výjimka obsahuje další informace o chybě z SQL Server, použijte tyto informace k provedení oprav.

Zprávy výjimek
Připojeno k serveru, nelze zapisovat do tabulky.
Do tabulky Sql nelze zapisovat: {0}

Chyba 0122

K výjimce dochází v případě, že je zadáno více sloupců váhy a je povolena pouze jedna.

K této chybě v Machine Learning dochází v případě, že jako sloupce váhy bylo vybráno příliš mnoho sloupců.

Rozlišení: Zkontrolujte vstupní datovou sadu a její metadata. Ujistěte se, že pouze jeden sloupec obsahuje váhy.

Zprávy výjimek
Je zadáno více sloupců váhy.

Chyba 0123

K výjimce dochází v případě, že sloupec vektorů je zadán do sloupce Popisek.

K této chybě v Machine Learning dojde, pokud jako sloupec popisku použijete vektor.

Rozlišení: V případě potřeby změňte formát dat sloupce nebo zvolte jiný sloupec.

Zprávy výjimek
Sloupec vektorů je určen jako sloupec Popisek.

Chyba 0124

K výjimce dochází v případě, že jsou sloupce hmotnosti zadané nečíselné sloupce.

Řešení:

Zprávy výjimek
Nečíselný sloupec je určen jako sloupec hmotnosti.

Chyba 0125

Vyvolá se, když se schéma pro více datových sad neshoduje.

Řešení:

Zprávy výjimek
Schéma datové sady neodpovídá.

Chyba 0126

K výjimce dochází v případě, že uživatel určuje SQL doménu, která není v Azure ML podporovaná.

Tato chyba se vytvoří, když uživatel určí SQL doménu, která není v Machine Learning podporovaná. Tato chyba se zobrazí, pokud se pokoušíte připojit k databázovému serveru v doméně, která není v seznamu povolených. V současné době jsou povolené SQL domény: ".database.windows.net", ".cloudapp.net" nebo ".database.secure.windows.net". To znamená, že server musí být Azure SQL server nebo server ve virtuálním počítači v Azure.

Rozlišení: Znovu se k modulu vrátit. Ověřte, že databázový server SQL patří do jedné z přijatých domén:

• .database.windows.net

• .cloudapp.net

• .database.secure.windows.net

Zprávy výjimek
Nepodporovaná doména SQL
V Azure ML se v současné době nepodporuje doména {0} SQL

Chyba 0127

Velikost obrazových bodů překračuje povolený limit

K této chybě dochází, pokud čtete obrázky z datové sady obrázků pro klasifikaci a obrázky jsou větší, než model dokáže zpracovat.

Rozlišení: Další informace o velikosti obrázku a dalších požadavcích najdete v těchto tématech:

• Import imagí

• Předtrénovaná kaskádová klasifikace obrázků

Zprávy výjimek
Velikost obrazových bodů překračuje povolený limit.
Velikost obrázku v souboru "{0}" překračuje povolený limit: '{1}'

Chyba 0128

Počet podmíněných pravděpodobností pro sloupce kategorií překračuje limit.

Řešení:

Zprávy výjimek
Počet podmíněných pravděpodobností pro sloupce kategorií překračuje limit.
Počet podmíněných pravděpodobností pro sloupce kategorií překračuje limit. Sloupce '{0}' a '{1}' jsou problematický pár.

Chyba 0129

Počet sloupců v datové sadě překračuje povolený limit.

Řešení:

Zprávy výjimek
Počet sloupců v datové sadě překračuje povolený limit.
Početsloupcůch{0}
Počet sloupců v datové sadě v{0} '' překračuje povolený limit '{1}'.'
Počet sloupců v datové sadě v{0} datové sadě překračuje povolený limit '{1}{2}'.

Chyba 0130

K výjimce dochází, když všechny řádky v trénovací datové sadě obsahují chybějící hodnoty.

K tomu dochází, když je nějaký sloupec v trénovací datové sadě prázdný.

Rozlišení: Pomocí modulu Vyčistit chybějící data odeberte sloupce se všemi chybějícími hodnotami.

Zprávy výjimek
Všechny řádky v trénovací datové sadě obsahují chybějící hodnoty. Zvažte použití modulu Vyčistit chybějící data k odebrání chybějících hodnot.

Chyba 0131

K výjimce dochází v případě, že se nepodaří rozbalit a správně zaregistrovat jednu nebo více datových sad v souboru ZIP.

Tato chyba se vytvoří, když se jedna nebo více datových sad v souboru ZIP nepodaří rozbalit a přečíst správně. Tato chyba se zobrazí, pokud se rozbalení nezdaří, protože samotný soubor ZIP nebo jeden ze souborů v něm je poškozený, nebo při pokusu o rozbalení a rozbalení souboru dojde k systémové chybě.

Rozlišení: Pomocí podrobností uvedených v chybové zprávě určete, jak pokračovat.

Zprávy výjimek
Upload zazipované datové sady selhaly
Zazipovaná datová sada {0} selhala s následující zprávou: {1}
Zkomprimovaná datová sada {0} selhala s výjimkou se zprávou {1} : {2}

Chyba 0132

Pro rozbalení nebyl zadán žádný název souboru; v souboru ZIP bylo nalezeno více souborů.

Tato chyba se vytvoří, pokud nebyl pro rozbalení zadán žádný název souboru; v souboru ZIP bylo nalezeno více souborů. Tato chyba se zobrazí, pokud soubor .zip obsahuje více komprimovaných souborů, ale nezadali jste soubor pro extrakci do textového pole Datová sada pro rozbalení v podokně Vlastnosti modulu. V současné době lze při každém spuštění modulu extrahovat pouze jeden soubor.

Rozlišení: Chybová zpráva obsahuje seznam souborů nalezených v souboru .zip. Zkopírujte název požadovaného souboru a vložte ho do datové sady a rozbalte textové pole.

Zprávy výjimek
Soubor ZIP obsahuje více souborů; je nutné zadat soubor, který chcete rozbalit.
Soubor obsahuje více než jeden soubor. Zadejte soubor, který chcete rozbalit. Byly nalezeny následující soubory: {0}

Chyba 0133

Zadaný soubor nebyl v souboru ZIP nalezen.

Tato chyba se vytvoří, když název souboru zadaný v poli Datová sada rozbalí podokno Vlastnosti neodpovídá názvu žádného souboru nalezeného v souboru .zip. Nejběžnější příčiny této chyby jsou chyba při psaní nebo hledání nesprávného archivního souboru, aby se soubor rozbalil.

Rozlišení: Znovu se k modulu vrátit. Pokud se název souboru, který chcete dekomprimovat, zobrazí v seznamu nalezených souborů, zkopírujte název souboru a vložte ho do pole Vlastnosti Rozbalit datovou sadu. Pokud v seznamu nevidíte požadovaný název souboru, ověřte, že máte správný .zip soubor a správný název požadovaného souboru.

Zprávy výjimek
Zadaný soubor nebyl nalezen v souboru ZIP.
Zadaný soubor nebyl nalezen. Našli jsme následující soubory: {0}

Chyba 0134

K výjimce dochází v případě, že sloupec popisku chybí nebo nemá dostatečný počet označených řádků.

K této chybě dochází v případě, že modul vyžaduje sloupec popisku, ale nezahráli jste ho do výběru sloupce nebo sloupec popisku chybí příliš mnoho hodnot.

K této chybě může dojít také v případě, že předchozí operace změní datovou sadu tak, aby pro podřízenou operaci byly dostupné nedostatečné řádky. Předpokládejme například, že použijete výraz v modulu Partition and Sample k rozdělení datové sady hodnotami. Pokud se pro výraz nenajde žádná shoda, jedna z datových sad vyplývajících z oddílu by byla prázdná.

Řešení:

Pokud do výběru sloupce zahrnete sloupec popisku, ale nerozpoznáte ho, označte ho jako sloupec popisku pomocí modulu Upravit metadata .

Pomocí modulu Sumarizace dat vygenerujte sestavu, která ukazuje, kolik hodnot v jednotlivých sloupcích chybí. Potom můžete pomocí modulu Vyčistit chybějící data odebrat řádky s chybějícími hodnotami ve sloupci popisku.

Zkontrolujte vstupní datové sady a ujistěte se, že obsahují platná data a dostatek řádků pro splnění požadavků operace. Mnoho algoritmů vygeneruje chybovou zprávu, pokud vyžadují určitý minimální počet řádků dat, ale data obsahují jenom několik řádků nebo jenom záhlaví.

Zprávy výjimek
K výjimce dochází v případě, že sloupec popisku chybí nebo nemá dostatečný počet označených řádků.
K výjimce dochází, když chybí sloupec popisku nebo má méně než {0} označené řádky.

Chyba 0135

Podporuje se pouze centroidový cluster.

Rozlišení: K této chybové zprávě může dojít, pokud jste se pokusili vyhodnotit model clusteringu založený na vlastním algoritmu clusteringu, který nepoužívá centroidy k inicializaci clusteru.

Pomocí funkce Vyhodnotit model můžete vyhodnotit modely clusteringu založené na modulu clusteringu K-Means. Pro vlastní algoritmy použijte modul Execute R Script k vytvoření vlastního zkušebního skriptu.

Zprávy výjimek
Podporuje se pouze centroidový cluster.

Chyba 0136

Nebyl vrácen žádný název souboru; soubor nelze zpracovat jako výsledek.

Řešení:

Zprávy výjimek
Nebyl vrácen žádný název souboru; soubor nelze zpracovat jako výsledek.

Chyba 0137

Azure Storage SADA SDK zjistila chybu při převodu vlastností tabulky a sloupců datové sady během čtení nebo zápisu.

Řešení:

Zprávy výjimek
Chyba převodu mezi vlastností úložiště tabulek Azure a sloupcem datové sady
Chyba převodu mezi vlastností úložiště tabulek Azure a sloupcem datové sady Další informace: {0}

Chyba 0138

Paměť byla vyčerpána, nepodařilo se dokončit spuštění modulu. Zmenšení razítka datové sady může pomoct zmírnit problém.

K této chybě dochází v případě, že modul, na kterém běží, vyžaduje více paměti, než je k dispozici v kontejneru Azure. K tomu může dojít v případě, že pracujete s velkou datovou sadou a aktuální operace se nemůže vejít do paměti.

Rozlišení: Pokud se pokoušíte přečíst velkou datovou sadu a operaci nelze dokončit, může vám pomoct převzorkování datové sady.

Pokud vizualizace v datových sadách používáte ke kontrole kardinality sloupců, vzorkují se jenom některé řádky. Pokud chcete získat úplnou sestavu, použijte funkci Sumarizace dat. Pomocí transformace Použít SQL můžete také zkontrolovat počet jedinečných hodnot v jednotlivých sloupcích.

Někdy může přechodné načtení vést k této chybě. Podpora počítačů se také v průběhu času mění. Popis podporované velikosti dat najdete v Machine Learning nejčastějších dotazech.

Zkuste použít analýzu hlavních komponent nebo některou z metod výběru funkcí, abyste snížili datovou sadu na menší sadu sloupců s bohatými funkcemi: Výběr funkcí

Zprávy výjimek
Paměť byla vyčerpána, nepodařilo se dokončit spuštění modulu.

Chyba 0139

K výjimce dochází, pokud není možné převést sloupec na jiný typ.

K této chybě v Machine Learning dochází při pokusu o převod sloupce na jiný datový typ, ale tento typ není podporován aktuální operací nebo modulem.

Chyba se může také objevit, když se modul pokusí implicitně převést data tak, aby splňoval požadavky aktuálního modulu, ale převod není možný.

Řešení:

1. Zkontrolujte vstupní data a určete přesný datový typ sloupce, který chcete použít, a datový typ sloupce, který chybu vytváří. Někdy si můžete myslet, že je datový typ správný, ale zjistíte, že upstreamová operace změnila datový typ nebo použití sloupce. Pomocí modulu Upravit metadata obnovte metadata sloupců do původního stavu.

2. Podívejte se na stránku nápovědy modulu a ověřte požadavky na zadanou operaci. Určete, které datové typy aktuální modul podporuje a jaký rozsah hodnot se podporuje.

3. Pokud je potřeba zkrátit, zaokrouhlit nebo odlehlých hodnot odebrat hodnoty, proveďte opravy pomocí modulů Použít matematickou operaci nebo hodnoty klipů .

4. Zvažte, jestli je možné převést nebo přetypovat sloupec na jiný datový typ. Všechny následující moduly poskytují značnou flexibilitu a výkon pro úpravy dat:

   • Použití transformace SQL
   • Spouštění skriptů R
   • Spusťte skript Pythonu.

Poznámka

Pořád nefunguje? Zvažte poskytnutí další zpětné vazby k problému, abychom nám pomohli lépe vyvinout pokyny k řešení potíží. Stačí odeslat zpětnou vazbu na této stránce a zadat název modulu, který chybu vygeneroval, a převod datového typu, který selhal.

Zprávy výjimek
Převod není povolený.
Nelze převést: {0}.
Nelze převést: {0}, na řádku {1}.
Sloupec typu {0} nelze převést na sloupec typu {1} na řádku {2}.
Sloupec "{2}" typu {0} nelze převést na sloupec typu {1} na řádku {3}.
Sloupec "{2}" typu {0} nelze převést na sloupec{3} "" typu {1} na řádku {4}.

Chyba 0140

K výjimce dochází, pokud předaný argument sady sloupců neobsahuje jiné sloupce s výjimkou sloupce popisku.

K této chybě dochází v případě, že jste datovou sadu připojili k modulu, který vyžaduje více sloupců, včetně funkcí, ale zadali jste pouze sloupec popisku.

Rozlišení: Zvolte alespoň jeden sloupec funkce, který chcete zahrnout do datové sady.

Zprávy výjimek
Zadaná sada sloupců neobsahuje jiné sloupce s výjimkou sloupce popisku.

Chyba 0141

K výjimce dochází, pokud je počet vybraných číselných sloupců a jedinečných hodnot v kategoriích a řetězcových sloupcích příliš malý.

K této chybě v Machine Learning dochází v případě, že ve vybraném sloupci není dostatek jedinečných hodnot k provedení operace.

Rozlišení: Některé operace provádějí statistické operace s funkcemi a sloupci kategorií a pokud neexistují dostatek hodnot, může operace selhat nebo vrátit neplatný výsledek. Zkontrolujte datovou sadu a zjistěte, kolik hodnot obsahuje sloupce fature a popisků, a zjistěte, jestli je operace, kterou se pokoušíte provést, statisticky platná.

Pokud je zdrojová datová sada platná, můžete také zkontrolovat, jestli některá operace manipulace s nadřazeným datem nebo operace metadat změnila data a odebrala některé hodnoty.

Pokud upstreamové operace zahrnují rozdělení, vzorkování nebo převzorkování, ověřte, že výstupy obsahují očekávaný počet řádků a hodnot.

Zprávy výjimek
Počet vybraných číselných sloupců a jedinečných hodnot ve sloupcích kategorií a řetězců je příliš malý.
Celkový počet vybraných číselných sloupců a jedinečných hodnot ve sloupcích kategorií a řetězců (aktuálně {0}) by měl být alespoň {1}

Chyba 0142

K výjimce dochází, když systém nemůže načíst certifikát k ověření.

Řešení:

Zprávy výjimek
Certifikát nelze načíst.
Certifikát {0} nelze načíst. Jeho kryptografický otisk je {1}.

Chyba 0143

Nelze analyzovat adresu URL zadanou uživatelem, která by měla být z GitHub.

K této chybě v Machine Learning dojde, když zadáte neplatnou adresu URL a modul vyžaduje platnou GitHub adresu URL.

Rozlišení: Ověřte, že adresa URL odkazuje na platné úložiště GitHub. Jiné typy webů nejsou podporovány.

Zprávy výjimek
Adresa URL není z github.com.
Adresa URL není z github.com: {0}

Chyba 0144

GitHub Adresa URL zadaná uživatelem chybí očekávanou část.

K této chybě v Machine Learning dochází, když zadáte zdroj GitHub souboru pomocí neplatného formátu adresy URL.

Rozlišení: Zkontrolujte, jestli je adresa URL úložiště GitHub platná a končí znakem \blob\ nebo \tree\.

Zprávy výjimek
Adresu URL GitHub nelze analyzovat.
Za názvem úložiště nelze analyzovat adresu URL GitHub (očekává se "\blob\" nebo \tree):{0}

Chyba 0145

Z nějakého důvodu nelze vytvořit adresář replikace.

K této chybě v Machine Learning dochází v případě, že se modulu nepodaří vytvořit zadaný adresář.

Řešení:

Zprávy výjimek
Nelze vytvořit adresář replikace.

Chyba 0146

Když se uživatelské soubory rozbalí do místního adresáře, může být kombinovaná cesta příliš dlouhá.

K této chybě v Machine Learning dochází při extrahování souborů, ale některé názvy souborů jsou při rozbalení příliš dlouhé.

Rozlišení: Upravte názvy souborů tak, aby kombinovaná cesta a název souboru nebyly delší než 248 znaků.

Zprávy výjimek
Cesta k replikaci je delší než 248 znaků, zkracuje název skriptu nebo cestu.

Chyba 0147

Z nějakého důvodu nelze stáhnout věci z GitHub

K této chybě v Machine Learning dochází, když nemůžete číst nebo stahovat zadané soubory z GitHub.

Rozlišení: Problém může být dočasný; Můžete zkusit získat přístup k souborům v jiném okamžiku. Nebo ověřte, že máte potřebná oprávnění a zda je zdroj platný.

Zprávy výjimek
GitHub chyba přístupu.
GitHub chyba přístupu. {0}

Chyba 0148

Problémy s neoprávněným přístupem při extrakci dat nebo vytváření adresáře

K této chybě v Machine Learning dochází při pokusu o vytvoření adresáře nebo čtení dat z úložiště, ale nemáte potřebná oprávnění.

Řešení:

Zprávy výjimek
Při extrakci dat došlo k neoprávněné výjimce přístupu.

Chyba 0149

Uživatelský soubor neexistuje uvnitř sady GitHub.

K této chybě v Machine Learning dochází, když zadaný soubor nelze najít.

Řešení:

Zprávy výjimek
GitHub soubor nebyl nalezen.
soubor GitHub nebyl nalezen.:{0}

Chyba 0150

Skripty, které pocházejí z balíčku uživatele, nelze rozbalit, pravděpodobně kvůli kolizi se soubory GitHub.

K této chybě v Machine Learning dochází v případě, že skript nelze extrahovat, obvykle pokud existuje existující soubor se stejným názvem.

Řešení:

Zprávy výjimek
Balíček nelze rozbalit; možné kolize názvů se soubory GitHub.

Chyba 0151

Při zápisu do cloudového úložiště došlo k chybě. Zkontrolujte adresu URL.

K této chybě v Machine Learning dochází, když se modul pokusí zapisovat data do cloudového úložiště, ale adresa URL není k dispozici nebo je neplatná.

Řešení: Zkontrolujte adresu URL a ověřte, že je zapisovatelná.

Zprávy výjimek
Při zápisu do cloudového úložiště došlo k chybě (pravděpodobně špatná adresa URL).
Při zápisu do cloudového úložiště došlo k chybě: {0}. Zkontrolujte adresu URL.

Chyba 0152

Typ cloudu Azure byl v kontextu modulu nesprávně zadán.

Zprávy o výjimce
Chybný typ cloudu Azure
Chybný typ cloudu Azure: {0}

Chyba 0153

Zadaný koncový bod úložiště je neplatný.

Zprávy výjimek
Chybný typ cloudu Azure
Chybný koncový bod Storage:{0}

Chyba 0154

Zadaný název serveru nelze přeložit.

Zprávy výjimek
Zadaný název serveru nelze přeložit.
Zadaný server {0}.documents.azure.com nelze přeložit.

Chyba 0155

Klient DocDb vyhodil výjimku.

Zprávy výjimek
Klient DocDb vyhodil výjimku.
Klient DocDb: {0}

Chyba 0156

Chybná odpověď pro HCatalog Server

Zprávy výjimek
Chybná odpověď pro HCatalog Server Zkontrolujte, že jsou spuštěné všechny služby.
Chybná odpověď pro HCatalog Server Zkontrolujte, že jsou spuštěné všechny služby. Podrobnosti o chybě: {0}

Chyba 0157

Při čtení z Azure Cosmos DB došlo k chybě kvůli nekonzistentním nebo různým schématům dokumentů. Čtenář vyžaduje, aby všechny dokumenty měly stejné schéma.

Zprávy výjimek
Zjištěné dokumenty s různými schématy Ujistěte se, že všechny dokumenty mají stejné schéma.

Chyba 1000

Výjimka interní knihovny.

Tato chyba je k dispozici k zachycení jinak neošetřených vnitřních chyb modulu. Příčina této chyby se proto může lišit v závislosti na modulu, který chybu vygeneroval.

Pokud chcete získat další pomoc, doporučujeme publikovat podrobnou zprávu, která doprovází chybu na fóru Machine Learning, spolu s popisem scénáře, včetně dat použitých jako vstupů. Tato zpětná vazba nám pomůže určit prioritu chyb a identifikovat nejdůležitější problémy pro další práci.

Zprávy výjimek
Výjimka knihovny
Výjimka knihovny: {0}
{0} výjimka knihovny: {1}

Další nápověda

Kódy chyb modulu

Potřebujete další nápovědu nebo tipy pro řešení potíží pro Machine Learning? Vyzkoušejte tyto zdroje informací:

• Průvodce odstraňováním potíží: Vytvoření pracovního prostoru Machine Learning a připojení k němu
• Machine Learning nejčastější dotazy