使用错误代码排查 机器学习 Studio 中的模块异常 (经典)
重要
对机器学习工作室（经典）的支持将于 2024 年 8 月 31 日结束。 建议在该日期之前转换到 Azure 机器学习。
从 2021 年 12 月 1 日开始，你将无法创建新的机器学习工作室（经典）资源。 在 2024 年 8 月 31 日之前，可继续使用现有的机器学习工作室（经典）资源。
ML 工作室（经典）文档即将停用，将来可能不会更新。
了解在 机器学习 Studio 中使用模块时可能会遇到的错误消息和异常代码， (经典) 。
若要解决此问题，请查找本文中的错误，了解常见原因。 可通过两种方法在 Studio (经典) 中获取错误消息的全文：
单击右窗格中的链接“查看输出日志”，然后滚动到底部。 详细错误消息将显示在窗口的最后两行。
选择出现错误的模块，然后单击红色 X。仅显示相关的错误文本。
如果错误消息文本没有帮助，请向我们发送有关上下文和任何所需添加或更改的信息。 可以提交有关错误主题的反馈，也可以访问 机器学习 Studio (经典) 论坛并发布问题。
错误 0001
如果找不到数据集的一个或多个指定列，将出现异常。
如果为模块选择了列，但所选列不存在于输入数据集中，则将收到此错误。 如果在列名中手动键入，或者列选择器在运行试验时提供了数据集中不存在的建议列，则可能会出现此错误。
解决方法： 重新访问引发此异常的模块，并验证列名是否正确以及所有引用的列是否都存在。
| 异常消息 |
|---|
| 找不到一个或多个指定的列 |
| 找不到名称或索引为“{0}”的列 |
| 名称或索引为“{0}”的列不存在于“{1}” |
错误 0002
如果无法将一个或多个参数从指定类型分析或转换为目标方法所需的类型，将出现异常。
将参数指定为输入且值类型不同于预期类型，并且无法执行隐式转换时，机器学习会出现此错误。
解决方法： 检查模块要求并确定所需的值类型（字符串、整数、双精度值等）
| 异常消息 |
|---|
| 无法分析参数 |
| 无法分析“{0}”参数 |
| 无法分析 (将) “{0}”参数转换为“{1}”” |
| 未能将“” 参数从“{0}{1}”转换为“{2}” |
| 无法将“” 参数值“{0}{1}”从“{2}”转换为“{3}” |
| 未能将列“{1}”“中的值”{0}“从”{2}“转换为”“”，{3}格式为“{4}”提供的” |
错误 0003
如果一个或多个输入为 NULL 或为空，将出现异常。
如果模块的任何输入或参数为 null 或空，则会在机器学习收到此错误。 例如，如果未键入参数的任何值，则可能会出现此错误。 如果选择了包含缺少的值的数据集或空数据集，也可能出现此错误。
解决方法：
- 打开产生异常的模块，并验证是否已指定所有输入。 请确保指定了所有必需的输入。
- 请确保可以访问从 Azure 存储加载的数据，并且帐户名称或密钥未发生更改。
- 检查输入数据是否包含缺少的值或为 NULL。
- 如果对数据源使用查询，请验证数据是否以预期的格式返回。
- 检查拼写错误或者数据规范中的其他更改。
| 异常消息 |
|---|
| 一个或多个输入为 null 或为空 |
| 输入“{0}”为 null 或为空 |
错误 0004
如果参数小于或等于特定值，将出现异常。
如果消息中的参数低于模块处理数据所需的边界值，则会在机器学习收到此错误。
解决方法： 重新访问引发异常的模块，并修改参数，使其大于指定值。
| 异常消息 |
|---|
| 参数应大于边界值。 |
| 参数“{0}”值应大于 {1}。 |
| 参数“{0}”的值“{1}”应大于 {2} |
错误 0005
如果参数小于特定值，将出现异常。
如果消息中的参数低于或等于模块处理数据所需的边界值，则会在机器学习收到此错误。
解决方法： 重新访问引发异常的模块，并修改参数，使其大于或等于指定值。
| 异常消息 |
|---|
| 参数应大于或等于边界值。 |
| 参数“{0}”值应大于或等于 {1}。 |
| 参数“{0}”的值“{1}”应大于或等于 {2}。 |
错误 0006
如果参数大于或等于指定值，将出现异常。
如果消息中的参数大于或等于模块处理数据所需的边界值，则会在机器学习收到此错误。
解决方法： 重新访问引发异常的模块，并修改参数，使其小于指定值。
| 异常消息 |
|---|
| 参数不匹配。 一个参数应小于另一个参数。 |
| 参数“{0}”值应小于参数“{1}”值。 |
| 参数“{0}”的值为“{1}”，而该值应小于 {2}。 |
错误 0007
如果参数大于特定值，将出现异常。
如果在模块的属性中指定了大于允许的值，则会在机器学习收到此错误。 例如，可能是指定受支持的日期范围之外的数据，也可能是在只有三列可用时指示使用五列。
如果指定的两个数据集需要以某种方式匹配，也可能会看到此错误。 例如，如果要重命名列，并按索引指定列，则提供的名称数量必须与列索引的数量匹配。 另一个示例可能是使用两列的数学运算，这两列必须具有相同的行数。
解决方法：
- 打开相关模块并查看任何数值属性设置。
- 确保所有参数值都在该属性支持的值范围内。
- 如果该模块采用多个输入，请确保输入的大小相同。
- 如果模块具有可设置的多个属性，请确保相关属性具有适当的值。 例如，在 将组数据用于 Bins 时，如果使用选项来指定自定义箱边缘，则箱数必须与作为箱边界提供的值数匹配。
- 检查数据集或数据源是否已更改。 有时，在列数、列数据类型或数据大小发生更改后，以前版本的数据可使用的值将导致错误。
| 异常消息 |
|---|
| 参数不匹配。 一个参数应小于或等于另一个参数。 |
| 参数“{0}”值应小于或等于参数“{1}”值。 |
| 参数“{0}”的值为“{1}”，而该值应小于或等于 {2}。 |
错误 0008
如果参数不在范围内，将出现异常。
如果消息中的参数超出模块处理数据所需的边界，则会在机器学习中收到此错误。
例如，如果尝试使用添加行来合并列数不同的两个数据集，则会显示此错误。
解决方法： 重新访问引发异常的模块，并修改参数，使其在指定范围内。
| 异常消息 |
|---|
| 参数值不在指定范围内。 |
| 参数“{0}”值不在范围内。 |
| 参数“{0}”值应位于 [{1}， {2}] 范围内。 |
错误 0009
如果错误地指定了 Azure 存储帐户名称或容器名称，将出现异常。
在为 Azure 存储帐户指定参数但无法解析名称或密码时，机器学习 Studio (经典) 中会出现此错误。 密码或帐户名称出错可能有多种原因：
- 帐户类型错误。 不支持某些新帐户类型用于 机器学习 Studio (经典) 。 请参阅导入数据以了解详细信息。
- 输入了不正确的帐户名称
- 帐户已不存在
- 存储帐户的密码错误或已更改
- 未指定容器名称，或者容器不存在
- 未指定完整的文件路径（指向 blob 的路径）
解决方法：
此类问题通常出现在你尝试手动输入帐户名称、密码或容器路径时。 建议对导入数据模块使用新向导，它可以帮助你查找和检查名称。
还需检查是否已删除帐户、容器或 blob。 使用另一种 Azure 存储实用工具验证是否已输入正确的帐户名称和密码以及容器是否存在。
机器学习不支持某些较新的帐户类型。 例如，新的“热”或“冷”存储类型不能用于机器学习。 经典存储帐户和创建为“常规用途”的存储帐户都可以正常工作。
如果已指定 blob 的完整路径，请验证是否将该路径指定为“container/blobname”，以及容器和 blob 是否存在于该帐户中。
该路径不应包含前导斜杠。 例如 /container/blob 是不正确的，应输入为 container/blob 。
资源
有关支持的不同存储选项的说明，请参阅本文：使用导入数据模块将数据导入到 机器学习 Studio (经典)
示例试验
有关如何连接到不同数据源的示例，请参阅 Cortana Intelligence 库中的这些试验：
来自各种源的输入数据：此实验室提供了使用许多 Azure ML数据源的可视化指南：AzureML 试验和数据交互
Azure Cosmos DB：从 机器学习 中的 Azure Cosmos DB 读取数据
使用 Python 导入其他不可读数据： 从 Azure Blob 存储加载非文本文件
| 异常消息 |
|---|
| Azure 存储帐户名称或容器名称不正确。 |
| Azure 存储帐户名称“{0}”或容器名称“{1}”不正确；容器名称的格式应为 container/blob。 |
错误 0010
如果输入数据集的列名应匹配但不匹配，将出现异常。
如果消息中的列索引在两个输入数据集中具有不同的列名，则会在机器学习收到此错误。
解决方法： 使用编辑元数据或修改原始数据集，使指定的列索引具有相同的列名。
| 异常消息 |
|---|
| 输入数据集中具有相应索引的列具有不同的名称。 |
| 输入数据集中第 {0} 列（从零开始）的列名不同（分别为 {1} 和 {2}）。 |
错误 0011
如果传递的列集参数不适用于任何数据集列，将出现异常。
如果指定的列选择与给定数据集中的任何列不匹配，则会在机器学习收到此错误。
如果尚未选择列，而模块需要至少一个列才能正常工作，则也可能会收到此错误。
解决方法： 修改模块中的列选择，以使其适用于数据集中的列。
如果该模块要求你选择特定列（如标签列），请验证是否选择了正确的列。
如果选择了不适当的列，请删除它们并重新运行试验。
| 异常消息 |
|---|
| 指定的列集不适用于任何数据集列。 |
| 指定的列集“{0}”不适用于任何数据集列。 |
错误 0012
如果无法使用传递的参数集创建类实例，将出现异常。
解决方法： 此错误对用户而言不可操作，会在将来的版本中弃用。
| 异常消息 |
|---|
| 未训练的模型，首先训练模型。 |
| 未训练的模型 ({0}) 使用训练的模型。 |
错误 0013
如果传递到模块的学习器是无效类型，将出现异常。
当经过训练的模型与连接的评分模块不兼容时，会出现此错误。 例如，将 训练 Matchbox 推荐器 输出连接到 评分模型 (而不是 评分 Matchbox 推荐器 ，) 在运行试验时将生成此错误。
解决方法：
确定由训练模块生成的学习器类型，并确定适用于该学习器的评分模块。
如果模型是使用任何专用训练模块训练的，请将经过训练的模型仅连接到相应的专用评分模块。
| 模型类型 | 训练模块 | 评分模块 |
|---|---|---|
| 任何分类器 | 训练模型 或 优化模型超参数 | 评分模型 |
| 任何回归模型 | 训练模型 或 优化模型超参数 | 评分模型 |
| 聚类分析模型 | 训练聚类分析模型 或 扫描聚类分析 | 将数据分配到群集 |
| 异常情况检测 - One-Class SVM | 训练异常情况检测模型 | 评分模型 |
| 异常情况检测 - PCA | 训练模型 或 优化模型超参数 | 评分模型 评估模型需要执行一些其他步骤。 |
| 异常情况检测 - 时序 | Time Series Anomaly Detection （时序异常情况检测） | 从数据训练模型并生成分数。 该模块不会创建经过训练的学习器，不需要额外的评分。 |
| 建议模型 | 训练 Matchbox 推荐器 | 评分 Matchbox 推荐器 |
| 图像分类 | 预先训练的级联图像分类 | 评分模型 |
| Vowpal Wabbit 模型 | 训练 Vowpal Wabbit 版本 7-4 模型 | 评分 Vowpal Wabbit 版本 7-4 模型 |
| Vowpal Wabbit 模型 | 训练 Vowpal Wabbit 版本 7-10 模型 | 评分 Vowpal Wabbit 版本 7-10 模型 |
| Vowpal Wabbit 模型 | 训练 Vowpal Wabbit 版本 8 模型 | 评分 Vowpal Wabbit 版本 8 模型 |
| 异常消息 |
|---|
| 传递了无效类型的学习器。 |
| 学习器“{0}”的类型无效。 |
错误 0014
如果列中唯一值计数大于允许值，将出现异常。
当列包含的唯一值过多时，将出现此错误。 例如，如果你指定将某列作为分类数据进行处理，但由于列中的唯一值过多而难以完成处理，则可能会看到此错误。 如果两个输入中的唯一值数目不匹配，也可能会看到此错误。
解决方法：
打开生成错误的模块，并标识用作输入的列。 对于某些模块，可以右键单击数据集输入，然后选择“可视化”以获取各列的统计信息，包括唯一值的数目及其分布。
对于打算用于分组或分类的列，请采取措施来减少列中的唯一值数目。 根据列的数据类型，可以通过不同的方式减小唯一值数目。
- 对于文本数据，可以使用 预处理文本 折叠类似的条目。
- 对于数值数据，可以使用“分组数据”在箱中创建少量的箱，使用剪辑值删除或截断值，或使用机器学习方法（例如主体组件分析或具有计数Learning）来减少数据的维数。
提示
找不到适合你的情况的解决方案？ 你可以提供有关本主题的反馈，其中包括生成错误的模块名称，以及列的数据类型和基数。 我们将使用此信息提供更具针对性的常见方案的故障排除步骤。
| 异常消息 |
|---|
| 列唯一值的数目大于允许的值。 |
| 列中的唯一值数：“{0}”超过元组计数 {1}。 |
错误 0015
如果数据库连接失败，将出现异常。
如果输入的 SQL 帐户名称、密码、数据库服务器或数据库名称不正确，或者由于数据库或服务器出现问题而无法建立与数据库的连接，将收到此错误。
解决方法： 验证输入的帐户名称、密码、数据库服务器和数据库是否正确，以及指定的帐户是否具有正确的权限级别。 验证当前是否可访问数据库。
| 异常消息 |
|---|
| 建立数据库连接时出错。 |
| 建立数据库连接时出错：{0}。 |
错误 0016
如果传递给模块的输入数据集应该具有兼容的列类型，而实际没有，将出现异常。
如果在两个或多个数据集中传递的列的类型彼此不兼容，则机器学习会收到此错误。
分辨率： 使用 编辑元数据、修改原始输入数据集或使用 “转换为数据集 ”来确保列的类型兼容。
| 异常消息 |
|---|
| 输入数据集中具有相应索引的列具有的类型不兼容。 |
| 列 {0} 和 {1} 不兼容。 |
| 列元素类型与{0} (输入数据集{1}{2} (从零开始的) 不兼容，并且分别) 。 |
错误 0017
如果所选列使用的数据类型不受当前模块的支持，将出现异常。
例如，如果列选择中包含一个数据类型不能由模块处理的列（例如数学运算的字符串列），或者需要分类特征列的分数列，则可能会在机器学习收到此错误。
解决方法：
- 确定存在问题的列。
- 查看模块的要求。
- 修改列以使其符合要求。 根据列和要进行的转换，可能需要使用以下几个模块来进行更改：
- 万不得已，可能需要修改原始输入数据集。
提示
找不到适合你的情况的解决方案？ 你可以提供有关本主题的反馈，其中包括生成错误的模块名称，以及列的数据类型和基数。 我们将使用此信息提供更具针对性的常见方案的故障排除步骤。
| 异常消息 |
|---|
| 无法处理当前类型的列。 模块不支持该类型。 |
| 无法处理类型的 {0}列。 模块不支持该类型。 |
| 无法处理类型{0}为“”{1}的列。 模块不支持该类型。 |
| 无法处理类型{0}为“”{1}的列。 模块不支持该类型。 参数名称：{2} |
错误 0018
如果输入数据集无效，将出现异常。
分辨率：机器学习中的此错误可以出现在许多上下文中，因此没有单个解决方法。 通常，此错误表示作为输入向提供的数据的列数有误，或者数据类型不符合模块的要求。 例如：
该模块需要标签列，但没有标记为标签的列，或者尚未选择标签列。
该模块要求对数据进行分类，但你的数据是数字。
模块需要特定的数据类型。 例如，提供给 训练 Matchbox 推荐器 评级可以是数字或分类，但不能是浮点数。
数据格式错误。
导入的数据包含无效字符、错误的值或超出范围的值。
此列为空或包含过多的缺失的值。
若要确定要求和数据应有的格式，请查看将使用数据集作为输入的模块的帮助主题。
我们还建议使用 汇总数据 或 计算基本统计信息 来分析数据，并使用这些模块修复元数据和清理值： 编辑元数据、 清理缺失数据、 剪辑值。
| 异常消息 |
|---|
| 数据集无效。 |
| {0} 包含无效数据。 |
| {0} 并且 {1} 应为一致的列。 |
错误 0019
如果列应该包含已排序的值，但实际没有，将出现异常。
如果指定的列值无序，则会在机器学习收到此错误。
解决方法： 通过手动修改输入数据集来对列值进行排序，然后重新运行模块。
| 异常消息 |
|---|
| 列中的值未排序。 |
| 未对列“{0}”中的值进行排序。 |
| 未对数据集“{1}”的列“{0}”中的值进行排序。 |
错误 0020
如果传递给模块的某些数据集的列数过少，将出现异常。
如果在模块中选择了足够的列，则机器学习将收到此错误。
解决方法： 重新访问该模块，并确保列选择器选择了适当的列数。
| 异常消息 |
|---|
| 输入数据集中的列数小于允许的最小列数。 |
| 输入数据集中的列数小于允许的 {0} 最小列数 () 。 |
| 输入数据集“”{0}中的列数小于允许的 {1} 最小列数 () 。 |
错误 0021
如果传递给模块的某些数据集的行数过少，将出现异常。
数据集中没有足够的行来执行指定操作时，机器学习中看到此错误。 例如，如果输入数据集为空，或者你尝试执行的操作要求一定的最小有效行数，那么你可能会看到此错误。 此类操作可以包括（但不限于）基于统计方法的分组和分类、特定类型的分箱和通过计数进行学习。
解决方法：
- 打开返回错误的模块，然后检查输入数据集和模块属性。
- 验证输入数据集是否为空，以及是否有足够的数据行可满足模块帮助中所述的要求。
- 如果数据是从外部源加载的，请确保该数据源可用，并且数据定义中没有错误或更改（它们可能导致输入进程获取的行数减少）。
- 如果要对模块的上游数据执行操作（如清理、拆分或联接操作），而这些操作可能会影响数据类型或值的数量，请检查这些操作的输出以确定返回的行数。
错误 0022
如果输入数据集中的选定列数不等于预期数量，将出现异常。
当下游模块或操作需要特定数量的列或输入时，可能会出现机器学习错误，并且你提供的列或输入过多。 例如：
你要指定单个标签列或键列，但不小心选择了多个列。
你要重命名列，但提供的名称数多于或少于现有的列数。
源或目标中的列数已更改或与模块使用的列数不匹配。
你为输入提供了以逗号分隔的值列表，但值的数量不匹配，或者不支持多个输入。
解决方法： 重新访问该模块并检查列选择，确保选择的列数正确。 验证上游模块的输出和下游操作的要求。
如果使用了可选择多个列（列索引、所有特性、所有数字等）的列选择选项，请验证所选内容返回的列数是否准确。
如果尝试将数据集的逗号分隔列表指定为 解压缩数据集的输入，则一次仅解压缩一个数据集。 不支持多个输入。
验证上游列的数量或类型是否未发生更改。
如果使用推荐数据集来训练模型，请记住，推荐系统需要有限数量的列，与用户项对或用户项排名相对应。 在训练模型或拆分推荐数据集之前，请删除其他列。 有关详细信息，请参阅拆分数据。
| 异常消息 |
|---|
| 在输入数据集中选择的列数不等于预期数量。 |
| 输入数据集中的选定列数不等于 {0}。 |
| 列选择模式“{0}”提供的输入数据集中的所选列数不等于 {1}。 |
| 列选择模式“{0}”应提供 {1} 输入数据集中选择的列 () ，但 {2} 提供了列 () 。 |
错误 0023
如果输入数据集的目标列不适用于当前训练模块，将出现异常。
如果在模块参数中选择的目标列 () 不是有效的数据类型、包含所有缺失值或未按预期分类，则会发生机器学习此错误。
解决方法： 重新访问模块输入以检查标签/目标列的内容。 确保它的值没有全部缺失。 如果模块要求目标列是分类类型，请确保目标列中有多个非重复值。
| 异常消息 |
|---|
| 输入数据集包含不支持的目标列。 |
| 输入数据集包含不受支持的目标列“{0}”。 |
| 输入数据集包含不受 {1} 类型的学习器支持的目标列“{0}”。 |
错误 0024
如果数据集不包含标签列，将出现异常。
当模块需要标签列且数据集没有标签列时，会发生机器学习此错误。 例如，要评估已评分的数据集，通常需要存在标签列以计算准确度指标。
也可能会发生标签列存在于数据集中，但无法通过机器学习正确检测到。
解决方法：
- 打开生成错误的模块，确定标签列是否存在。 列的名称或数据类型并不重要，只要该列包含尝试预测的单个结果（或因变量）即可。 如果不确定哪一列包含标签，请查找通用名称，例如类或目标。
- 如果数据集不包含标签列，则可能是在上游显式或意外地删除了标签列。 也可能是该数据集不是上游评分模块的输出。
- 若要将该列显式标记为标签列，请添加编辑元数据模块并连接数据集。 仅选择标签列，然后从“字段”下拉列表中选择“标签” 。
- 如果将错误的列选作了标签，可以从“字段”中选择“清除标签”以恢复该列的元数据 。
| 异常消息 |
|---|
| 数据集中没有标签列。 |
| “”{0}中没有标签列。 |
错误 0025
如果数据集不包含分数列，将出现异常。
如果评估模型的输入不包含有效的评分列，则会发生机器学习此错误。 例如，用户在使用经训练的适当模型对数据集进行评分之前尝试评估数据集，或者已将分数列显式置于上游。 如果两个数据集上的评分列不兼容，也会出现此异常。 例如，你可能尝试将线性回归器的准确性与二进制分类器的准确性进行比较。
解决方法： 重新访问评估模型的输入，并检查它是否包含一个或多个分数列。 如果不是，则未对数据集进行评分，或在上游模块中删除了分数列。
| 异常消息 |
|---|
| 数据集中没有评分列。 |
| “{0}”中没有分数列。 |
| “{0}”中没有由“{1}”生成的分数列。 请使用正确类型的学习器为数据集评分。 |
错误 0026
如果不允许使用具有相同名称的列，将出现异常。
如果多个列具有相同名称，则会发生机器学习此错误。 如果数据集没有标题行，并且自动分配了Col0、Col1 等列名，你可能会收到此错误。
解决方法： 如果列具有相同的名称，请在输入数据集和该模块之间插入编辑元数据模块。 使用编辑元数据中的列选择器来选择要重命名的列，并将新名称键入“新列名”文本框中。
| 异常消息 |
|---|
| 在参数中指定了相同的列名。 模块不允许使用相同的列名称。 |
| 不允许参数“{0}”和“{1}”中的列名相同。 指定不同的名称。 |
错误 0027
如果两个对象的大小必须相同但实际不相同，将出现异常。
这是机器学习中常见的错误，可能是由许多条件引起的。
解决方法： 没有特定的解决方法。 不过，你可以检查以下情况：
如果要重命名列，请确保每个列表（输入列和新名称列表）具有相同数量的项。
如果要联接或串联两个数据集，请确保它们具有相同的架构。
如果要联接两个具有多个列的数据集，请确保键列具有相同的数据类型，并选择选项“允许重复项并保留选定内容中的列顺序”。
| 异常消息 |
|---|
| 传递的对象大小不一致。 |
| “{0}”的大小与“{1}”的大小不一致。 |
错误 0028
如果列集包含重复的列名，而这是不允许的，将出现异常。
当列名称重复时，机器学习中出现此错误;也就是说，不是唯一的。
解决方法： 如果任何列具有相同的名称，请在输入数据集和引发错误的模块之间添加编辑元数据的实例。 使用编辑元数据中的列选择器来选择要重命名的列，并将新名称键入“新列名”文本框中。 如果要重命名多个列，请确保在“新列名”中键入的值是唯一的。
| 异常消息 |
|---|
| 列集包含重复的列名。 |
| 名称“{0}”重复。 |
| 名称“{0}”在“{1}中重复。 |
错误 0029
如果传递的 URI 无效，将出现异常。
如果传递了无效 URI，则会发生机器学习此错误。 如果以下任一条件为 true，则会收到此错误：或。
为 Azure Blob 存储提供的用于读取或写入的公共或 SAS URI 包含错误。
SAS 的时间范围已过期。
通过 HTTP 的 Web URL 源表示文件或环回 URI。
通过 HTTP 的 Web URL 包含格式不正确的 URL。
远程源无法解析该 URL。
解决方法： 重新访问该模块并验证该 URI 的格式。 如果数据源是通过 HTTP 的 Web URL，请验证预期的源不是文件或环回 URI (localhost)。
| 异常消息 |
|---|
| 传递了无效的 URI。 |
错误 0030
无法下载文件时，会出现异常。
无法下载文件时，机器学习发生此异常。 如果尝试从 HTTP 源读取在重试三次 (3) 后仍然失败，你将收到此异常。
解决方法： 验证 HTTP 源的 URI 是否正确，以及当前是否可通过 Internet 访问该站点。
| 异常消息 |
|---|
| 无法下载文件。 |
| 下载文件时出错：{0}。 |
错误 0031
如果列集中的列数小于所需列数，将出现异常。
如果所选列数小于需要，则会发生机器学习此错误。 如果选择的列数未达到要求的最小值，你将收到此错误。
解决方法： 使用“列选择器”将其他列添加到列选择。
| 异常消息 |
|---|
| 列集中的列数小于所需列数。 |
| {0} 应指定列 (s) 。 实际指定的列数为 {1}。 |
错误 0032
如果参数不是数字，将出现异常。
如果参数为 double 或 NaN，则会在机器学习收到此错误。
解决方法： 修改指定的参数以使用有效值。
| 异常消息 |
|---|
| 参数不是数字。 |
| “{0}”不是数字。 |
错误 0033
如果参数是无穷大，将出现异常。
如果参数为无限，则会发生机器学习此错误。 如果参数是 double.NegativeInfinity 或 double.PositiveInfinity，则会收到此错误。
解决方法： 将指定的参数修改为有效值。
| 异常消息 |
|---|
| 参数必须是有限的。 |
| “{0}”不是有限的。 |
错误 0034
如果给定的用户项对存在多个评分，将出现异常。
如果用户项对具有多个分级值，则建议机器学习出现此错误。
解决方法： 确保用户项对只拥有一个评分值。
| 异常消息 |
|---|
| 数据集中的值存在多个评分。 |
| 分级预测数据表中用户 {0} 和项目的 {1} 多个分级。 |
错误 0035
如果没有提供给定用户或项的任何特征，将出现异常。
机器学习发生此错误时，尝试使用建议模型进行评分，但找不到特征向量。
解决方法：
使用项特征或用户特征时，必须满足 Matchbox 推荐器的某些要求。 此错误表示你作为输入提供的用户或项缺少特征矢量。 必须确保每个用户或项的数据中提供了功能向量。
例如，如果你使用用户年龄、位置或收入等特征来训练了推荐模型，但现在想要为训练过程中没有见过的新用户创建评分，则必须为新用户提供一组等效特征（即年龄、位置和收入值），以便为他们做出适当的预测。
如果没有这些用户的任何特征，请考虑使用特征工程来生成相应的特征。 例如，如果你没有单个用户的年龄或收入值，可以生成用于一组用户的近似值。
从建议模式评分时，只有在训练期间以前使用过项目或用户功能时，才能使用项目或用户功能。 有关详细信息，请参阅 评分 Matchbox 推荐器。
有关 Matchbox 建议算法的工作原理以及如何准备项目功能或用户功能的数据集的一般信息，请参阅 训练 Matchbox 推荐器。
提示
解决方法不适用于你的情况？ 欢迎发送有关本文的反馈，并提供有关此方案的信息，包括模块和列中的行数。 我们将使用此信息在将来提供更详细的故障排除步骤。
| 异常消息 |
|---|
| 没有为所需的用户或项提供任何特征。 |
| “{0}”的特征是必需的，但并未提供。 |
错误 0036
如果提供了给定用户或项的多种特征，将出现异常。
如果多次定义特征向量，则会发生机器学习此错误。
解决方法： 确保未多次定义特征矢量。
| 异常消息 |
|---|
| 用户或项存在重复的特征定义。 |
| {0} 的特征定义重复。 |
错误 0037
如果指定了多个标签列，但只允许指定一个，将出现异常。
如果选择多个列成为新标签列，则会发生机器学习此错误。 大多数监督式学习算法要求将单个列标记为目标或标签。
解决方法： 请确保选择单个列作为新标签列。
| 异常消息 |
|---|
| 指定了多个标签列。 |
错误 0038
如果所需的元素数目应是确切的值但并非如此，则会发生异常。
如果预期的元素数应为精确值，但不是，则会发生机器学习中的此错误。 如果元素数不等于有效预期值，则会收到此错误。
分辨率： 修改输入以具有正确的元素数。
| 异常消息 |
|---|
| 元素数目无效。 |
| “{0}”中的元素数无效。 |
| “{0}”中的元素数不等于 () 的有效元素数 {1} 。 |
错误 0039
如果操作失败，将出现异常。
无法完成内部操作时，机器学习发生此错误。
解决方法： 此错误可由多种情况引起，因此没有特定的补救措施。
下表包含此错误的通用消息，后跟具体情况说明。
如果没有任何可用的详细信息，请发送反馈并提供有关生成错误的模块的信息和相关情况。
| 异常消息 |
|---|
| 操作失败。 |
| 完成操作时出错： {0} |
错误 0040
如果调用的是不推荐使用的模块，则会发生异常。
调用已弃用的模块时，会生成机器学习中的此错误。
分辨率： 将已弃用的模块替换为受支持的模块。 有关要使用的模块的信息，请参阅模块输出日志。
| 异常消息 |
|---|
| 访问已弃用的模块。 |
| 模块“{0}”已弃用。 请改用模块“{1}” 。 |
错误 0041
如果调用的是不推荐使用的模块，则会发生异常。
调用已弃用的模块时，会生成机器学习中的此错误。
分辨率： 将弃用的模块替换为一组受支持的模块。 此信息应在模块输出日志中可见。
| 异常消息 |
|---|
| 访问已弃用的模块。 |
| 模块“{0}”已弃用。 将模块“”{1}用于请求的功能。 |
错误 0042
无法将列转换为另一种类型时，会出现异常。
当无法将列转换为指定类型时，机器学习中会出现此错误。 如果模块需要特定数据类型（例如日期/时间、文本、浮点数或整数），但不能将现有列转换为所需的类型，那么你将收到此错误。
例如，你可以选择一个列，然后尝试将其转换为数值数据类型以用于数学运算，如果该列包含无效数据，你会收到此错误。
如果你尝试将包含浮点数或多个唯一值的列用作分类列，也可能会收到此错误。
解决方法：
- 打开生成错误的模块的帮助页，并验证数据类型要求。
- 查看输入数据集中的列的数据类型。
- 检查来自所谓的无架构数据源的数据。
- 检查数据集是否包含缺失的值或特殊字符，它们可能会阻止转换为所需的数据类型。
- 数值数据类型应保持一致，例如，可检查整数列中是否存在浮点数。
- 查找数字列中是否存在文本字符串或 NA 值。
- 根据所需的数据类型，可以将布尔值转换为适当的表示形式。
- 检查文本列中的非 unicode 字符、制表符或控制字符
- 日期/时间数据应保持一致，以免出现建模错误，但清理可能会很复杂，因为存在多种格式。 请考虑使用 执行 R 脚本 或 执行 Python 脚本 模块来执行清理。
- 如有必要，请修改输入数据集中的值，以便可以成功转换该列。 修改可能包括分箱、截断或舍入运算、清除离群值或补充缺少的值。 请参阅以下文章，了解机器学习中的一些常见数据转换方案：
提示
解决方法不明确或不适用于你的情况？ 欢迎发送有关本文的反馈，并提供有关此方案的信息，包括模块和列的数据类型。 我们将使用此信息在将来提供更详细的故障排除步骤。
| 异常消息 |
|---|
| 不允许转换。 |
| 无法将 {0} 类型的列转换为 {1} 类型的列。 |
| 无法将 {0} 类型的列“{2}”转换为 {1} 类型的列。 |
| 无法将 {0} 类型的列“{2}”转换为 {1} 类型的列“{3}”。 |
错误 0043
如果元素类型不显式实现“Equals”，则会发生异常。
机器学习中的此错误未使用，并且将被弃用。
解决方法： 无。
| 异常消息 |
|---|
| 未找到任何可访问的显式方法 Equals。 |
| 无法比较类型的{1}列 \“{0}\” 的值。 未找到任何可访问的显式方法 Equals。 |
错误 0044
无法从现有值派生列的元素类型时，会出现此异常。
无法推断数据集中列或列的类型时，机器学习会发生此错误。 这种情况通常发生在连接两个或更多具有不同元素类型的数据集时。 如果机器学习无法确定一种通用类型，该类型能够表示列或列中的所有值而不丢失信息，则会生成此错误。
解决方法： 确保要合并的两个数据集中给定列的所有值都是相同的类型（数值、布尔、分类、字符串、日期等）或可以强制为相同类型。
| 异常消息 |
|---|
| 无法派生列的元素类型。 |
| 无法派生列“{0}”的元素类型 -- 所有元素都是 null 引用。 |
| 无法派生数据集“{1}”的列“{0}”的元素类型 -- 所有元素都是 null 引用。 |
错误 0045
由于源中存在混合的元素类型而无法创建列时，会出现异常。
当合并的两个数据集的元素类型不同时，会生成机器学习中的此错误。
解决方法： 确保要合并的两个数据集中给定列的所有值都是相同的类型（数值、布尔、分类、字符串、日期等）。
| 异常消息 |
|---|
| 无法创建具有混合元素类型的列。 |
| 无法创建 ID 为“{0}”混合元素类型的列：\n\tType of data[{1}， {0}]\n {2} \tType of data[{3}， {0}] is .{4} |
错误 0046
无法在指定路径上创建目录时，会出现异常。
当无法在指定路径上创建目录时，机器学习中会出现此错误。 如果 Hive 查询的输出目录的任何路径部分不正确或不可访问，你将收到此错误。
解决方法： 重新访问该模块，并验证该目录路径的格式是否正确，以及是否可使用当前凭据访问该路径。
| 异常消息 |
|---|
| 指定有效的输出目录。 |
| 无法创建目录 {0}。 指定有效路径。 |
错误 0047
如果传递给模块的某些数据集的特征列数过少，将出现异常。
如果要训练的输入数据集不包含算法所需的最小列数，则会发生机器学习此错误。 通常，数据集为空或仅包含训练列。
分辨率： 重新访问输入数据集，确保除了标签列之外还有一个或多个其他列。
| 异常消息 |
|---|
| 输入数据集中的特征列数小于允许的最小值。 |
| 输入数据集中的特征列数小于允许的 {0} 最小列数 (s) 。 |
| 输入数据集“{0}”中的特征列数小于允许的 {1} 最小列数 () 。 |
错误 0048
无法打开文件时，会出现异常。
当无法打开文件进行读取或写入时，会发生机器学习中的此错误。 由于以下原因，你可能会收到此错误：
容器或文件 (blob) 不存在
文件或容器的访问级别不允许你访问该文件
文件过大，无法读取或格式错误
解决方法： 重新访问尝试读取的模块和文件。
验证容器和文件的名称是否正确。
使用 Azure 经典门户或 Azure 存储工具验证你是否有权访问该文件。
如果尝试读取图像文件，请确保它满足图像文件的大小、像素数等要求。 有关详细信息，请参阅 导入映像。
| 异常消息 |
|---|
| 无法打开文件。 |
| 打开文件时出错：{0}。 |
错误 0049
无法分析文件时，会出现异常。
当无法分析文件时，机器学习会发生此错误。 如果在导入数据模块中选择的文件格式与文件的实际格式不匹配，或者文件包含无法识别的字符，则会收到此错误。
解决方法： 如果该格式与文件格式不匹配，请重新访问模块并更正文件格式选择。 如果可能，请检查文件以确认它不包含任何非法字符。
| 异常消息 |
|---|
| 无法分析文件。 |
| 分析文件时出错： {0} |
错误 0050
如果输入和输出文件相同，则会发生异常。
分辨率：机器学习中的此错误未使用，并且将被弃用。
| 异常消息 |
|---|
| 为输入和输出指定的文件不能相同。 |
错误 0051
如果多个输出文件相同，则会发生异常。
分辨率：机器学习中的此错误未使用，并且将被弃用。
| 异常消息 |
|---|
| 为输出指定的文件不能相同。 |
错误 0052
如果指定的 Azure 存储帐户密钥不正确，将出现异常。
如果用于访问 Azure 存储帐户的密钥不正确，则会发生机器学习此错误。 例如，如果在复制和粘贴 Azure 存储密钥时将其截断了，或者使用了错误的密钥，那么你可能会看到此错误。
有关如何获取 Azure 存储帐户的密钥的详细信息，请参阅查看、复制和重新生成存储访问密钥。
解决方法： 重新访问该模块，并验证该帐户的 Azure 存储密钥是否正确；如有必要，请从 Azure 经典门户重新复制密钥。
| 异常消息 |
|---|
| Azure 存储帐户密钥不正确。 |
错误 0053
当没有用户特征或项可用于 Matchbox 推荐时，会出现异常。
当找不到特征向量时，会生成机器学习中的此错误。
解决方法： 确保输入数据集中存在特征矢量。
| 异常消息 |
|---|
| 需要用户特征或/和项，但未提供。 |
错误 0054
如果列中非重复值太少以致无法完成操作，则会发生异常。
分辨率：机器学习中的此错误未使用，并且将被弃用。
| 异常消息 |
|---|
| 数据在指定列中的相异值太少，无法完成操作。 |
| 数据在指定列中的相异值太少，无法完成操作。 所需的最小值是 {0} 元素。 |
| 数据在列“{1}”中的相异值太少，无法完成操作。 所需的最小值是 {0} 元素。 |
错误 0055
如果调用的是不推荐使用的模块，则会发生异常。
如果尝试调用已弃用的模块，则会出现机器学习中的此错误。
解决方法：
| 异常消息 |
|---|
| 访问已弃用的模块。 |
| 模块“{0}”已弃用。 |
错误 0056
如果选择用于运算的列违反要求，会出现异常。
当你为需要列属于特定数据类型的操作选择列时，会发生机器学习此错误。
如果该列的数据类型正确，但使用的模块要求同时将该列标记为特征列、标签列或分类列，那么也可能发生此错误。
例如， “转换为指示器值 ”模块要求将列分类，如果选择特征列或标签列，则会引发此错误。
解决方法：
查看当前选择的列的数据类型。
确定所选列是否为分类列、标签列或特征列。
查看在其中选择列的模块的帮助主题，以确定是否存在对数据类型或列用法的特定要求。
使用编辑元数据在此操作持续期间更改列类型。 如果需要将列用于下游操作，请确保使用编辑元数据的另一个实例，将列类型改回其原始值。
| 异常消息 |
|---|
| 所选的一个或多个列不是允许的类别。 |
| 名称为“{0}”的列不在允许的类别中。 |
错误 0057
尝试创建已存在的文件或 blob 时，会出现异常。
如果使用“导出数据”模块或其他模块将试验的结果保存到 Azure Blob 存储 机器学习，但尝试创建已存在的文件或 Blob，则会发生此异常。
解决方法：
只有在之前将属性“Azure blob 存储写入模式”设置为“错误”时，才会收到此错误 。 根据设计，如果你尝试将数据集写入已存在的 blob，那么此模块将引发错误。
- 打开模块属性，将属性“Azure blob 存储写入模式”更改为“覆盖” 。
- 或者，你可以键入其他目标 blob 或文件的名称，并确保指定尚不存在的 blob。
| 异常消息 |
|---|
| 文件或 Blob 已存在。 |
| 文件或 Blob“{0}”已存在。 |
错误 0058
如果数据集不包含预期的标签列，则会发生机器学习此错误。
如果提供的标签列与学习器所需的数据或数据类型不匹配，或具有错误的值，也会发生此异常。 例如，如果在训练二进制分类器时使用实值标签列，则会产生此异常。
解决方法：解决方法取决于所使用的学习器或训练器，以及数据集中列的数据类型。 首先，请验证机器学习算法或训练模块的要求。
重新访问输入数据集。 验证希望被视作标签的列是否具有要创建的模型的正确数据类型。
检查输入中是否包含缺少的值，如有必要，请删除或替换它们。
如有必要，请添加编辑元数据模块，并确保已将标签列标记为标签。
| 异常消息 |
|---|
| 标签列不符合预期 |
| 标签列在“”{0}中不如预期。 |
| “”中不需要标签列“{0}{1}”。 |
错误 0059
如果无法分析列选取器中指定的列索引，将出现异常。
如果在无法分析使用列选择器时指定的列索引，则会发生机器学习此错误。 如果列索引的格式无效且无法进行分析，则会收到此错误。
解决方法： 修改列索引，以使用有效的索引值。
| 异常消息 |
|---|
| 无法分析一个或多个指定的列索引或索引范围。 |
| 无法分析列索引或范围“{0}”。 |
错误 0060
在列选取器中指定的列范围在范围之外时，会出现异常。
在列选择器中指定范围外列范围时，会发生机器学习此错误。 如果列选取器中的列范围与数据集中的列不对应，你将收到此错误。
解决方法： 修改列选取器中的列范围，以对应数据集中的列。
| 异常消息 |
|---|
| 指定了无效或超出范围的列索引范围。 |
| 列范围“{0}”无效或超出范围。 |
错误 0061
尝试向数据表中添加行，而该行的列数与表不同时，会出现异常。
尝试将行添加到数据集中具有与数据集不同的列数的数据集时，会发生此错误机器学习。 如果向数据集中添加行，而该行的列数与输入数据集不同，你将收到此错误。 如果列数不同，则无法将该行追加到数据集。
解决方法： 修改输入数据集，使其与添加的行具有相同的列数；或修改添加的行，使其与数据集具有相同的列数。
| 异常消息 |
|---|
| 所有表必须拥有相同的列数。 |
错误 0062
尝试将两个具有不同学习器类型的模型进行比较时，会出现异常。
当无法比较两个不同的评分数据集的评估指标时，会生成机器学习中的此错误。 在这种情况下，无法比较用于生成两个评分数据集的模型的有效性。
解决方法： 验证评分结果是否由同一类型的机器学习模型（二元分类、回归、多类分类、建议、聚类分析、异常情况检测等）生成用于比较的所有模型必须具有相同的学习器类型。
| 异常消息 |
|---|
| 所有模型都必须具有相同的学习器类型。 |
错误 0063
当 R 脚本评估失败并出现错误时，将引发此异常。
如果在 机器学习 中的一个 R 语言模块中提供了 R 脚本，并且 R 代码包含内部语法错误，则会发生此错误。 如果向 R 脚本提供错误的输入，也会发生异常。
如果脚本太大，无法在工作区中执行，也可能发生此错误。 执行 R 脚本模块的最大脚本大小为 1，000 行或 32 KB 的工作区，以较小者为准。
解决方法：
- 在 机器学习 Studio (经典) 中，右键单击出现错误的模块，然后选择“查看日志”。
- 检查包含堆栈跟踪的模块的标准错误日志。
- 以 [ModuleOutput] 开头的行指示 R 的输出。
- R 中标记为 警告 的消息通常不会导致试验失败。
- 解决脚本问题。
- 检查 R 语法错误。 检查已定义但从未填充的变量。
- 查看输入数据和脚本，以确定脚本中的数据或变量是否使用机器学习不支持的字符。
- 检查是否安装了所有包依赖项。
- 检查代码是否加载默认未加载的必需库。
- 检查所需的包是否为正确的版本。
- 确保要输出的任何数据集都转换为数据帧。
- 重新提交试验。
| 异常消息 |
|---|
| 评估 R 脚本期间出错。 |
| 在评估 R 脚本期间发生以下错误：---------- R ---------- {0} 的错误消息开始----------- R -----------的错误消息结束 |
| 在评估 R 脚本“{1}”时，发生了以下错误：---------- R ---------- {0} 的错误消息开始----------- R -----------的错误消息结束 |
错误 0064
如果指定的 Azure 存储帐户名称或存储密钥不正确，将出现异常。
如果 Azure 存储帐户名称或存储密钥未正确指定，则会发生机器学习中的此错误。 如果为存储帐户输入的帐户名称或密码不正确，将收到此错误。 如果手动输入帐户名称或密码，也可能出现此错误。 如果帐户已被删除，也可能出现此错误。
解决方法： 验证是否已输入正确的帐户名称和密码以及容器是否存在。
| 异常消息 |
|---|
| Azure 存储帐户名称或存储密钥不正确。 |
| 帐户名称的 Azure 存储帐户名称“{0}”或存储密钥不正确。 |
错误 0065
如果指定的 Azure blob 名称不正确，将出现异常。
如果 Azure Blob 名称未正确指定，则会发生机器学习中的此错误。 如果出现以下情况，你将收到错误：
在指定的容器中找不到 blob。
在包含 Counts 模块的一个Learning中为输出指定的 blob 的完全限定名称大于 512 个字符。
格式为带编码的 Excel 或 CSV 时，导入数据请求中仅将该容器指定为源；不允许使用这些格式串联容器中所有 blob 的内容。
SAS URI 不包含有效的 blob 名称。
解决方法： 重新访问引发异常的模块。 验证指定的 blob 是否存在于存储帐户中的容器内，并验证你是否有权查看该 blob。 如果具有带编码格式的 Excel 或 CSV，请验证输入的格式是否为 containername/filename。 验证 SAS URI 是否包含有效的 blob 名称。
| 异常消息 |
|---|
| Azure 存储 Blob 不正确。 |
| Azure 存储 Blob 名称“{0}”不正确 |
错误 0066
如果无法将资源上传到 Azure Blob，将出现异常。
如果无法将资源上传到 Azure Blob，则会发生机器学习此错误。 如果 训练 Vowpal Wabbit 7-4 模型 遇到尝试保存模型或训练模型时创建的哈希时出错，将收到此消息。 两者都保存到与包含输入文件的帐户相同的 Azure 存储帐户中。
解决方法： 重新访问模块。 验证 Azure 帐户名称、存储密钥和容器是否正确，以及该帐户是否具有写入该容器的权限。
| 异常消息 |
|---|
| 无法将资源上载到 Azure 存储。 |
| 无法将{1}文件“{0}”上传到 Azure 存储。 |
错误 0067
如果数据集的列数不同于预期列数，将出现异常。
如果数据集的列数不同于预期，则会发生机器学习此错误。 如果数据集的列数与模块在执行期间所需的列数不同，你将收到此错误。
解决方法： 修改输入数据集或参数。
| 异常消息 |
|---|
| 数据表中出现非预期的列数。 |
| 应为“{0}”列，但改为找到“{1}”列。 |
错误 0068
如果指定的 Hive 脚本不正确，将出现异常。
如果 Hive QL 脚本中存在语法错误，或者 Hive 解释器在执行查询或脚本时遇到错误，则会发生机器学习此错误。
解决方法：
系统通常会将来自 Hive 的错误消息报告传回错误日志，以便你可以根据具体错误采取操作。
- 打开模块并检查查询是否存在错误。
- 通过登录到 Hadoop 群集的 Hive 控制台并运行查询，验证查询是否在机器学习外部正常工作。
- 尝试将 Hive 脚本中的注释放在单独行中，而不将可执行语句和注释混合到一行。
资源
请参阅以下文章，获取有关针对机器学习的 Hive 查询的帮助：
- 从 Azure Blob 存储创建 Hive 表并加载数据
- 使用 Hive 查询浏览表中的数据
- 使用 Hive 查询在 Hadoop 群集中为数据创建功能
- 适用于 SQL 的 Hive 用户速查表 (PDF)
| 异常消息 |
|---|
| Hive 脚本不正确。 |
| Hive 脚本 {0} 不正确。 |
错误 0069
如果指定的 SQL 脚本不正确，将出现异常。
如果指定的SQL脚本存在语法问题，或者脚本中指定的列或表无效，则会发生机器学习中的此错误。
如果 SQL 引擎在执行查询或脚本时遇到任何错误，你将收到此错误。 系统通常会将 SQL 错误消息报告传回错误日志，以便你可以根据具体错误采取操作。
解决方法： 重新访问该模块并检查 SQL 查询是否存在错误。
通过直接登录到数据库服务器并运行查询来验证该查询在 Azure ML 之外是否正常运作。
如果模块异常报告了由 SQL 生成的消息，请根据报告的错误采取操作。 例如，错误消息有时包含关于可能出现的错误的特定指导：
- 没有此列或缺少数据库，表示键入的列名可能有误。 如果确定列名正确，请尝试使用括号或引号将列标识符括起来。
- <SQL keyword> 附近有 SQL 逻辑错误，表示在指定关键字前面可能有语法错误
| 异常消息 |
|---|
| SQL 脚本不正确。 |
| SQL 查询“{0}”不正确。 |
| SQL查询“{0}”不正确：{1} |
错误 0070
尝试访问不存在的 Azure 表时将发生异常。
尝试访问不存在的 Azure 表时，会发生机器学习此错误。 如果指定了 Azure 存储中的表，而它在读取或写入 Azure 表存储时不存在，你将收到此错误。 如果你错误键入了所需表的名称，或目标名称和存储类型不匹配，则可能会出现此错误。 例如，你打算从表中读取，但输入的是 blob 的名称。
解决方法： 重新访问该模块，以验证表的名称是否正确。
| 异常消息 |
|---|
| Azure 表不存在。 |
| Azure 表“{0}”不存在。 |
错误 0071
如果提供的凭据不正确，则会发生异常。
如果提供的凭据不正确，机器学习中会出现此错误。
如果模块无法连接到 HDInsight 群集，则也可能收到此错误。
分辨率： 查看模块的输入，并验证帐户名称和密码。
检查可能导致错误的以下问题：
数据集的架构与目标数据表的架构不匹配。
列名缺失或拼写错误
您正在写入具有具有非法字符的列名的表。 通常，可以将此类列名括在方括号中，但如果不起作用，请编辑列名以仅使用字母和下划线 (_)
尝试写入的字符串包含单引号
如果尝试连接到 HDInsight 群集，请验证目标群集是否可通过提供的凭据访问。
| 异常消息 |
|---|
| 传递了错误的凭据。 |
| 传递的用户名“{0}”或密码不正确 |
错误 0072
如果连接超时，将出现异常。
当连接超时时，机器学习中出现此错误。如果数据源或目标当前存在连接问题（例如 Internet 连接速度缓慢），或者数据集较大且/或SQL查询在数据中读取执行复杂处理，则会收到此错误。
解决方法： 确定当前是否存在与 Azure 存储或 Internet 连接缓慢的问题。
| 异常消息 |
|---|
| 出现连接超时。 |
错误 0073
如果在将列转换为另一种类型时发生错误，则会出现异常。
当无法将列转换为其他类型时，机器学习中会出现此错误。 如果模块需要特定类型，而无法将列转换为新类型，那么你将收到此错误。
解决方法： 修改输入数据集，以便可以根据内部异常来转换列。
| 异常消息 |
|---|
| 无法转换列。 |
| 未能将列转换为 {0}。 |
错误 0074
编辑元数据尝试将稀疏列转换为分类时发生异常。
编辑元数据尝试将稀疏列转换为分类时，机器学习中会出现此错误。 尝试使用 “创建 分类”选项将稀疏列转换为分类时，将收到此错误。 机器学习不支持稀疏分类数组，因此模块将失败。
分辨率： 首先使用 “转换为数据集 ”使列密集，或者不要将列转换为分类。
| 异常消息 |
|---|
| 无法将稀疏列转换为分类列。 |
错误 0075
如果在量化数据集时使用无效的分箱函数，将出现异常。
尝试使用不受支持的方法将数据装箱或参数组合无效时，机器学习中会出现此错误。
解决方法：
此事件的错误处理是在早期版本的机器学习中引入的，允许对装箱方法进行更多自定义。 当前所有分箱方法都可从下拉列表中进行选择，因此从技术上讲，应该不可能再收到此错误。
如果在将组数据用于 Bins 模块时收到此错误，请考虑在机器学习论坛中报告问题，并提供数据类型、参数设置和确切错误消息。
| 异常消息 |
|---|
| 使用的分箱函数无效。 |
错误 0077
如果传递了未知的 blob 文件写入模式，则会出现异常。
如果在 blob 文件目标或源的规范中传递无效参数，则会发生机器学习此错误。
解决方法： 在将数据导入或导出 Azure blob 存储的几乎所有模块中，控制写入模式的参数值都是通过使用下拉列表分配的；因此，不可能传递无效值，因而应不会出现此错误。 将在后续版本中删除此错误。
| 异常消息 |
|---|
| 不支持的 Blob 写入模式。 |
| 不支持的 Blob 写入模式： {0}。 |
错误 0078
当导入数据的 HTTP 选项收到指示重定向的 3xx 状态代码时，会出现异常。
当导入数据的 HTTP 选项收到 3xx (301、302、304 ) 等状态代码指示重定向时，会发生此错误机器学习。 如果尝试连接到将浏览器重定向到其他页面的 HTTP 源，你将收到此错误。 出于安全原因，不允许将网站重定向为机器学习的数据源。
解决方法： 如果网站是受信任的网站，请直接输入重定向 URL。
| 异常消息 |
|---|
| 不允许 http 重定向 |
错误 0079
如果指定的 Azure 存储容器不正确，将出现异常。
如果 Azure 存储容器名称未正确指定，则会发生机器学习中的此错误。 如果在写入 Azure Blob 存储时，尚未使用“以 container 开头的 blob 路径”选项指定容器和 blob（文件）名称，你将收到此错误。
解决方法： 重新访问导出数据模块，并验证指定的 blob 路径是否包含容器和文件名（格式为 container/filename）。
| 异常消息 |
|---|
| Azure 存储容器名称不正确。 |
| Azure 存储容器名称“{0}”不正确；容器名称的格式应为 container/blob。 |
错误 0080
当模块不允许使用缺失所有值的列时，将出现异常。
当模块使用的一个或多个列包含所有缺失值时，将生成机器学习中的此错误。 例如，如果某个模块正在计算每个列的聚合统计信息，那么它无法对不包含任何数据的列进行运算。 在这种情况下，模块执行将会暂停，并出现此异常。
解决方法： 重新访问输入数据集并删除任何包含的值全部缺失的列。
| 异常消息 |
|---|
| 不允许使用包含所有缺失值的列。 |
| 列 {0} 的值全部缺失。 |
错误 0081
如果要降至的维数等于输入数据集（包含至少一个稀疏特征列）中的特征列数，则 PCA 模块中会出现异常。
如果满足以下条件，则生成机器学习中的此错误： (输入数据集至少有一个稀疏列) ， (b) 请求的最终维度数与输入维度数相同。
解决方法： 考虑降低输出的维数，使其小于输入的维数。 这是 PCA 应用程序中的典型情况。 有关详细信息，请参阅 主体组件分析。
| 异常消息 |
|---|
| 对于包含要减少的稀疏特征列数的数据集，应小于特征列数。 |
错误 0082
无法成功反序列化模型时，会出现异常。
机器学习发生此错误时，由于重大更改，无法加载较新版本的机器学习运行时的已保存机器学习模型或转换。
分辨率： 必须重新运行生成模型或转换的训练实验，并且必须重新保存模型或转换。
| 异常消息 |
|---|
| 无法反序列化模型，因为可能使用的是较旧的序列化格式对其进行序列化。 请重新训练并重新保存该模型。 |
错误 0083
如果用于训练的数据集不能用于具体类型的学习器，则会出现异常。
当数据集与正在训练的学习器不兼容时，会生成机器学习中的此错误。 例如，数据集的每一行可能包含至少一个缺少的值，因此在训练期间将跳过整个数据集。 在其他情况下，某些机器学习算法（如异常情况检测）不需要显示标签，并且如果标签显示在数据集中，可能会引发此异常。
解决方法： 请参阅用于检查输入数据集要求的学习器的文档。 检查列以查看是否存在所有必需的列。
| 异常消息 |
|---|
| 用于训练的数据集无效。 |
| {0} 包含用于训练的无效数据。 |
| {0} 包含用于训练的无效数据。 学习器类型：{1}。 |
错误 0084
评估从 R 脚本生成的分数时，会出现异常。 目前不支持此操作。
如果尝试使用其中一个模块来评估包含分数的 R 脚本输出的模型，则会发生机器学习此错误。
解决方法：
| 异常消息 |
|---|
| 当前不支持计算从 R 脚本生成的分数。 |
错误 0085
当脚本评估失败并出现错误时，会出现异常。
运行包含语法错误的自定义脚本时，机器学习会发生此错误。
解决方法： 在外部编辑器中查看代码，检查是否存在错误。
| 异常消息 |
|---|
| 计算脚本期间出错。 |
| 在脚本评估过程中发生以下错误，请查看输出日志以获取详细信息：----------解释器 {1} ----------错误消息的开始{0}----------解释器----------{0} |
错误 0086
计数转换无效时，将发生异常。
基于计数表选择转换时，机器学习发生此错误，但所选转换与当前数据不兼容，或与新计数表不兼容。
分辨率： 该模块支持保存以两种不同格式构成转换的计数和规则。 如果要合并计数表，请验证要合并的两个表是否使用相同的格式。
通常，基于计数的转换只能应用于与最初创建转换的数据集具有相同架构的数据集。
有关常规信息，请参阅计数Learning。 有关特定于创建和合并基于计数的功能的要求，请参阅以下主题：
| 异常消息 |
|---|
| 指定了无效的计数转换。 |
| 输入端口“”{0}处的计数转换无效。 |
| 输入端口“”{0}处的计数转换不能与输入端口“”{1}的计数转换合并。 检查以验证用于计数匹配项的元数据。 |
错误 0087
学习使用计数模块时，如果指定了无效的计数表类型，则会发生异常。
尝试导入现有计数表时，机器学习发生此错误，但该表与当前数据不兼容，或与新计数表不兼容。
分辨率： 保存构成转换的计数和规则有不同的格式。 如果要合并计数表，请验证两者是否使用相同的格式。
通常，基于计数的转换只能应用于与最初创建转换的数据集具有相同架构的数据集。
有关常规信息，请参阅计数Learning。 有关特定于创建和合并基于计数的功能的要求，请参阅以下主题：
错误 0088
学习使用计数模块时，如果指定了无效的计数类型，则会发生异常。
尝试使用与基于计数的特征化支持不同的计数方法时，会发生机器学习此错误。
分辨率： 一般情况下，从下拉列表中选择计数方法，因此不应看到此错误。
有关常规信息，请参阅计数Learning。 有关特定于创建和合并基于计数的功能的要求，请参阅以下主题：
| 异常消息 |
|---|
| 指定的计数类型无效。 |
| 指定的计数类型“{0}”不是有效的计数类型。 |
错误 0089
当指定的类数小于数据集中用于计数的实际类数时将发生异常。
创建计数表时，机器学习发生此错误，标签列包含的类数不同于模块参数中指定的类数。
分辨率： 检查数据集，并确切地了解标签列中存在 (可能) 类 (非重复值数。 创建计数表时，必须至少指定此数量的类。
计数表无法自动确定可用的类数。
创建计数表时，不能指定小于标签列中实际类数的 0 或任意数字。
| 异常消息 |
|---|
| 类数不正确。 请确保在参数窗格中指定的类数大于或等于标签列中的类数。 |
| 指定的类数为“”{0}，这不大于用于计数的数据集中的标签值“{1}”。 请确保在参数窗格中指定的类数大于或等于标签列中的类数。 |
错误 0090
Hive 表创建失败时，会出现异常。
使用导出数据或其他选项将数据保存到 HDInsight 群集，并且无法创建指定的 Hive 表时，机器学习会发生此错误。
解决方法： 检查与群集相关联的 Azure 存储帐户名称，并在模块属性中验证是否使用同一帐户。
| 异常消息 |
|---|
| 无法创建 Hive 表。 对于 HDInsight 群集，请确保与群集关联的 Azure 存储帐户名称与通过模块参数传入的内容相同。 |
| 无法创建 Hive 表“{0}”。 对于 HDInsight 群集，请确保与群集关联的 Azure 存储帐户名称与通过模块参数传入的内容相同。 |
| 无法创建 Hive 表“{0}”。 对于 HDInsight 群集，请确保与群集关联的 Azure 存储帐户名称为“{1}”。 |
错误 0100
如果为自定义模块指定的语言不受支持，则会发生异常。
当在自定义模块 xml 定义文件中生成自定义模块和 Language 元素的名称属性具有无效值时，机器学习会发生此错误。 目前，此属性 R的唯一有效值为 。 例如：
<Language name="R" sourceFile="CustomAddRows.R" entryPoint="CustomAddRows" />
分辨率： 验证自定义模块 xml 定义文件中 Language 元素的名称属性是否设置为 R。 保存文件，更新自定义模块 zip 包，然后再次尝试添加自定义模块。
| 异常消息 |
|---|
| 指定的自定义模块语言不受支持 |
错误 0101
所有端口和参数 ID 都必须是唯一的。
当在自定义模块 XML 定义文件中为一个或多个端口或参数分配相同的 ID 值时，会发生机器学习此错误。
分辨率： 检查所有端口和参数的 ID 值是否是唯一的。 保存 xml 文件，更新自定义模块 zip 包，然后再次尝试添加自定义模块。
| 异常消息 |
|---|
| 模块的所有端口和参数 ID 必须是唯一的 |
| 模块“{0}”具有重复的端口/参数 ID。 所有端口/参数 ID 对于模块必须是唯一的。 |
错误 0102
无法提取 ZIP 文件时引发此错误。
如果导入具有.zip扩展名的压缩包，但包不是 zip 文件，或者该文件不使用受支持的 zip 格式，则会发生机器学习错误。
解决方法： 请确保所选文件是有效的 .zip 文件，并且是使用其中一种受支持的压缩算法压缩的。
如果在以压缩格式导入数据集时遇到此错误，请验证所有包含的文件是否都使用受支持的文件格式之一，并且是否都为 Unicode 格式。 有关详细信息，请参阅 解压缩数据集。
尝试将所需文件读取到新的压缩压缩文件夹，然后再次尝试添加自定义模块。
| 异常消息 |
|---|
| 给定的 ZIP 文件未采用正确的格式 |
错误 0103
在某个 ZIP 文件不包含任何 .xml 文件时引发
当自定义模块 zip 包不包含任何模块定义 (.xml) 文件时，会发生此错误机器学习。 这些文件需要驻留在 zip 包的根目录中 (，例如，不在子文件夹内。)
分辨率： 通过将其提取到磁盘驱动器上的临时文件夹，验证一个或多个 xml 模块定义文件是否位于 zip 包的根文件夹中。 任何 xml 文件都应直接位于解压缩 zip 包的文件夹。 请确保创建 zip 包时，未选择包含要 zip 的 xml 文件的文件夹，因为这样会在 zip 包中创建与所选 zip 文件夹同名的子文件夹。
| 异常消息 |
|---|
| 给定的 ZIP 文件不包含任何模块定义文件(.xml 文件) |
错误 0104
在模块定义文件引用的脚本不能定位时引发
当自定义模块 xml 定义文件引用 zip 包中不存在的语言元素中的脚本文件时，将引发机器学习中的此错误。 脚本文件路径在 Language 元素的 sourceFile 属性中定义。 源文件的路径相对于 zip 包的根目录 (与模块 xml 定义文件) 相同的位置。 如果脚本文件位于子文件夹中，则必须指定脚本文件的相对路径。 例如，如果所有脚本都存储在 zip 包中的 myScripts 文件夹中， 则 Language 元素必须将此路径添加到 sourceFile 属性，如下所示。 例如：
<Language name="R" sourceFile="myScripts/CustomAddRows.R" entryPoint="CustomAddRows" />
分辨率：请确保自定义模块 xml 定义的 Language 元素中的 sourceFile 属性的值正确，并且源文件存在于 zip 包中正确的相对路径中。
| 异常消息 |
|---|
| 引用的 R 脚本文件不存在。 |
| 找不到引用的 R 脚本文件“{0}”。 请确保该文件的相对路径在定义位置中正确。 |
错误 0105
模块定义文件包含不受支持的参数类型时，会显示此错误
当创建自定义模块 xml 定义以及定义中的参数或参数的类型与受支持的类型不匹配时，将生成机器学习中的此错误。
解决方法： 请确保自定义模块 xml 定义文件中任何 Arg 元素的类型属性都是受支持的类型。
| 异常消息 |
|---|
| 参数类型不受支持。 |
| 指定了不支持的参数类型“{0}”。 |
错误 0106
当模块定义文件定义定义不受支持的输入类型时引发
当自定义模块 XML 定义中的输入端口的类型与受支持的类型不匹配时，将生成机器学习中的此错误。
分辨率： 确保自定义模块 XML 定义文件中 Input 元素的类型属性是受支持的类型。
| 异常消息 |
|---|
| 不支持的输入类型。 |
| 指定的输入类型“{0}”不受支持。 |
错误 0107
当模块定义文件定义了不支持的输出类型时引发
当自定义模块 xml 定义中的输出端口的类型与受支持的类型不匹配时，将生成机器学习中的此错误。
解决方法： 确保自定义模块 xml 定义文件中 Output 元素的 type 属性是受支持的类型。
| 异常消息 |
|---|
| 输出类型不受支持。 |
| 指定的输出类型“{0}”不受支持。 |
错误 0108
当模块定义文件定义的输入或输出端口数超出了支持的数目时引发
在自定义模块 xml 定义中定义过多的输入或输出端口时，会生成机器学习中的此错误。
分辨率： 确保自定义模块 xml 定义中定义的输入和输出端口的最大数目不超过支持的最大端口数。
| 异常消息 |
|---|
| 超出了支持的输入或输出端口数。 |
| 超过支持的“”{0}端口数。 允许的最大“”{0}端口数为“{1}”。 |
错误 0109
当模块定义文件错误地定义了列选取器时引发
当列选取器参数的语法包含自定义模块 xml 定义中的错误时，将生成机器学习中的此错误。
分辨率： 当列选取器参数的语法包含自定义模块 xml 定义中的错误时，将生成此错误。
| 异常消息 |
|---|
| 列选取器的语法不受支持。 |
错误 0110
当模块定义文件定义引用不存在的输入端口 ID 的列选取器时引发
当 ColumnPicker 类型的 Arg 中的 portId 属性与输入端口的 ID 值不匹配时，会生成机器学习中的此错误。
分辨率： 请确保 portId 属性与自定义模块 xml 定义中定义的输入端口的 ID 值匹配。
| 异常消息 |
|---|
| 列选取器引用不存在的输入端口 ID。 |
| 列选取器引用不存在的输入端口 ID “”。{0} |
错误 0111
当模块定义文件定义了无效的属性时引发
当为自定义模块 XML 定义中的元素分配无效属性时，会生成机器学习中的此错误。
分辨率： 确保自定义模块元素支持该属性。
| 异常消息 |
|---|
| 属性定义无效。 |
| 属性定义“”{0}无效。 |
错误 0112
当无法分析模块定义文件时引发
当 xml 格式出现错误，阻止自定义模块 XML 定义作为有效的 XML 文件进行分析时，将生成机器学习中的此错误。
分辨率： 确保已正确打开和关闭每个元素。 请确保 XML 格式中没有错误。
| 异常消息 |
|---|
| 无法分析模块定义文件。 |
| 无法分析模块定义文件“”。{0} |
错误 0113
当模块定义文件包含错误时引发。
当可以分析自定义模块 XML 定义文件但包含错误（例如自定义模块不支持的元素定义）时，将生成机器学习中的此错误。
分辨率： 确保自定义模块定义文件定义自定义模块支持的元素和属性。
| 异常消息 |
|---|
| 模块定义文件包含错误。 |
| 模块定义文件“{0}”包含错误。 |
| 模块定义文件“{0}”包含错误。 {1} |
错误 0114
当生成自定义模块失败时引发。
当自定义模块生成失败时，会生成机器学习中的此错误。 在添加自定义模块时遇到一个或多个与自定义模块相关的错误时，会发生此错误。 此错误消息中报告了其他错误。
分辨率： 解决此异常消息中报告的错误。
| 异常消息 |
|---|
| 无法生成自定义模块。 |
| 自定义模块生成失败， () 错误： {0} |
错误 0115
当自定义模块默认脚本具有不支持的扩展时引发。
为使用未知文件扩展名的自定义模块提供脚本时，会发生此错误机器学习。
分辨率： 验证自定义模块中包含的任何脚本文件的文件格式和文件扩展名。
| 异常消息 |
|---|
| 默认脚本不支持的区区。 |
| 默认脚本不支持的文件范围 {0} 。 |
错误 0121
当SQL写入失败时引发，因为表不可写入
使用导出数据模块将结果保存到SQL数据库中的表时，会生成机器学习中的此错误，并且无法写入该表。 通常，如果导出数据模块成功与SQL Server实例建立连接，但随后无法将 Azure ML 数据集的内容写入表，则会看到此错误。
解决方法：
- 打开 “导出数据 ”模块的“属性”窗格，并验证是否已正确输入数据库和表名。
- 查看要导出的数据集的架构，并确保数据与目标表兼容。
- 验证与用户名和密码关联的SQL登录是否有权写入表。
- 如果异常包含来自SQL Server的其他错误信息，请使用该信息进行更正。
| 异常消息 |
|---|
| 已连接到服务器，但无法向表中写入数据。 |
| 无法写入 Sql 表： {0} |
错误 0122
如果指定了多个权重列但只允许一个，则会发生异常。
当已选择过多列作为权重列时，会发生机器学习此错误。
分辨率： 查看输入数据集及其元数据。 确保只有一列包含权重。
| 异常消息 |
|---|
| 指定了多个权重列。 |
错误 0123
如果将向量列指定为标签列，则会发生异常。
如果使用矢量作为标签列，则会发生机器学习此错误。
分辨率： 根据需要更改列的数据格式，或选择其他列。
| 异常消息 |
|---|
| 将向量列指定为标签列。 |
错误 0124
如果将非数值列指定为权重列，则会发生异常。
解决方法：
| 异常消息 |
|---|
| 将非数值列指定为权重列。 |
错误 0125
多个数据集的架构不匹配时会引发此错误。
解决方法：
| 异常消息 |
|---|
| 数据集架构不匹配。 |
错误 0126
如果用户指定了 Azure ML 中不支持的 SQL 域，则会发生异常。
当用户指定机器学习不支持的SQL域时，将生成此错误。 如果尝试连接到不在允许列表的域中的数据库服务器，则会收到此错误。 目前，允许的SQL域为：“.database.windows.net”、“.cloudapp.net”或“.database.secure.windows.net”。 也就是说，服务器必须是 Azure 上虚拟机中的Azure SQL服务器或服务器。
解决方法： 重新访问模块。 验证SQL数据库服务器是否属于某个接受的域：
.database.windows.net
.cloudapp.net
.database.secure.windows.net
| 异常消息 |
|---|
| 不支持的 SQL 域。 |
| Azure ML当前不支持SQL域{0} |
错误 0127
图像像素大小超过允许的限制
如果要从图像数据集读取图像以进行分类，但图像大于模型可以处理的大小，则会出现此错误。
分辨率： 有关图像大小和其他要求的详细信息，请参阅以下主题：
| 异常消息 |
|---|
| 图像像素大小超出了允许的限制。 |
| 文件“{0}”中的图像像素大小超出了允许的限制：“{1}” |
错误 0128
分类列的条件概率数超出了限制。
解决方法：
| 异常消息 |
|---|
| 分类列的条件概率数超出了限制。 |
| 分类列的条件概率数超出了限制。 列“{0}”和“{1}”存在问题。 |
错误 0129
数据集中的列数超出了允许的限制。
解决方法：
| 异常消息 |
|---|
| 数据集中的列数超出了允许的限制。 |
| “”{0}中数据集中的列数超过允许。 |
| “”{0}中数据集中的列数超过允许的“”{1}限制。 |
| “”{0}中数据集中的列数超过允许的“''{1}”限制”。{2} |
错误 0130
训练数据集中的所有行都包含缺失值时发生异常。
当训练数据集中的某些列为空时，将发生这种情况。
分辨率： 使用 “清理缺失数据 ”模块删除包含所有缺失值的列。
| 异常消息 |
|---|
| 训练数据集中的所有行都包含缺失值。 请考虑使用“清理缺失数据”模块删除缺失值。 |
错误 0131
如果 zip 文件中的一个或多个数据集无法解压缩并正确注册，则会发生异常
当 zip 文件中的一个或多个数据集无法解压缩并正确读取时，将生成此错误。 如果解压缩失败，因为 zip 文件本身或其中一个文件已损坏，或者尝试解压缩并展开文件时出现系统错误，则会收到此错误。
分辨率： 使用错误消息中提供的详细信息来确定如何继续操作。
| 异常消息 |
|---|
| Upload压缩数据集失败 |
| 压缩数据集 {0} 失败，并显示以下消息： {1} |
| 压缩数据集 {0} 失败，出现 {1} 消息异常： {2} |
错误 0132
未为解压缩指定文件名;在 zip 文件中发现了多个文件。
未为解压缩指定文件名时，将生成此错误;在 zip 文件中发现了多个文件。 如果.zip文件包含多个压缩文件，但未在模块的“属性”窗格中的数据集中指定用于提取的文件，则会收到此错误。 目前，每次运行模块时，只能提取一个文件。
分辨率： 错误消息提供.zip文件中找到的文件列表。 复制所需文件的名称并将其粘贴到 “数据集”以解压缩 文本框中。
| 异常消息 |
|---|
| Zip 文件包含多个文件;必须指定要展开的文件。 |
| 该文件包含多个文件。 指定要展开的文件。 找到以下文件： {0} |
错误 0133
在 zip 文件中找不到指定的文件
当在“属性”窗格的“数据集到解压缩”字段中输入的文件名与.zip文件中找到的任何文件的名称不匹配时，将生成此错误。 此错误的最常见原因是键入错误或搜索错误的存档文件以展开文件。
解决方法： 重新访问模块。 如果要解压缩的文件的名称显示在找到的文件列表中，请复制文件名并将其粘贴 到“数据集”中的“解压缩 ”属性框中。 如果未在列表中看到所需的文件名，请验证是否具有正确的.zip文件和所需文件的正确名称。
| 异常消息 |
|---|
| 在 zip 文件中找不到指定的文件。 |
| 找不到指定的文件。 找到以下文件 (s) ： {0} |
错误 0134
缺少标签列或标签列中带标签的行数不足时，会出现异常。
当模块需要标签列，但列选择中没有标签列，或者标签列缺失过多的值时，会出现此错误。
如果之前的操作更改了数据集，从而没有足够的行可供下游操作使用，也会出现此错误。 例如，假设你使用分区和示例模块中的表达式来按值划分数据集。 如果没有找到表达式的匹配项，则由该分区生成的其中一个数据集将为空。
解决方法：
如果在列选择中包含标签列，但无法识别标签列，请使用 “编辑元数据 ”模块将其标记为标签列。
使用 “汇总数据 ”模块生成一个报表，该报表显示每个列中缺少多少值。 然后，可以使用清理缺失数据模块来删除标签列中包含缺失值的行。
检查输入数据集以确保它们包含有效数据和足够的行来满足操作要求。 如果算法具有最少数据行数要求，但数据只包含几行或一个标头，很多算法会生成错误消息。
| 异常消息 |
|---|
| 缺少标签列或标签列中带标签的行数不足时，会出现异常。 |
| 当标签列缺失或小于 {0} 标记行时发生异常 |
错误 0135
仅支持基于质心的群集。
分辨率： 如果尝试评估基于不使用质心初始化群集的自定义聚类分析算法的聚类分析模型，可能会遇到此错误消息。
可以使用 评估模型 来评估基于 K-Means 聚类分析模块的聚类分析 模型。 对于自定义算法，请使用 “执行 R 脚本 ”模块创建自定义评估脚本。
| 异常消息 |
|---|
| 仅支持基于质心的群集。 |
错误 0136
未返回文件名;无法处理文件作为结果。
解决方法：
| 异常消息 |
|---|
| 未返回文件名;无法处理文件作为结果。 |
错误 0137
Azure 存储 SDK 在读取或写入期间遇到在表属性和数据集列之间进行转换时出错。
解决方法：
| 异常消息 |
|---|
| Azure 表存储属性和数据集列之间的转换错误。 |
| Azure 表存储属性和数据集列之间的转换错误。 其他信息： {0} |
错误 0138
内存已用尽，无法完成模块的运行。 缩小数据集可能有助于解决问题。
当运行的模块需要的内存超过 Azure 容器中的可用内存时，会出现此错误。 如果使用的是大型数据集，而内存无法容纳当前操作，则可能会出现此错误。
解决方法： 如果尝试读取大型数据集，并且无法完成操作，那么缩小数据集可能有所帮助。
如果使用数据集上的可视化效果来检查列的基数，则仅对某些行进行采样。 若要获取完整报表，请使用 汇总数据。 还可以使用“应用SQL转换”检查每个列中的唯一值数。
有时暂时性负载可能会导致此错误。 计算机支持也会随着时间推移而变化。 有关支持的数据大小的说明，请参阅机器学习常见问题解答。
尝试使用 主体组件分析 或所提供的功能选择方法之一，将数据集减少到一组功能更丰富的列： 功能选择
| 异常消息 |
|---|
| 内存已用尽，无法完成模块的运行。 |
错误 0139
当无法将列转换为另一种类型时，将发生异常。
尝试将列转换为其他数据类型时，会发生机器学习此错误，但当前操作或模块不支持该类型。
当模块尝试隐式转换数据以满足当前模块的要求时，也可能显示此错误，但无法转换。
解决方法：
查看输入数据并确定要使用的列的确切数据类型，以及生成错误的列的数据类型。 有时你可能会认为数据类型正确，但发现上游操作已修改列的数据类型或用法。 使用 “编辑元数据” 模块将列元数据重置为其原始状态。
查看模块帮助页，验证指定操作的要求。 确定当前模块支持哪些数据类型，以及支持哪些值范围。
请考虑是否可以将列转换为其他数据类型。 以下模块都为修改数据提供了相当大的灵活性和能力：
注意
仍然不起作用？ 请考虑提供有关问题的其他反馈，帮助我们制定更好的故障排除指南。 只需在此页上提交反馈，并提供生成错误的模块的名称以及失败的数据类型转换。
| 异常消息 |
|---|
| 不允许转换。 |
| 无法转换： {0} |
| 无法转换： {0}行上 {1}。 |
| 无法将类型列转换为行{2}上类型的{0}{1}列。 |
| 无法将类型的列“{2}”转换为行{3}上类型的{0}{1}列。 |
| 无法将类型为“”的列“{2}”转换为行{4}上类型的{1}列“{3}”。{0} |
错误 0140
如果传递的列集参数不包含除标签列以外的其他列，则会发生异常。
如果将数据集连接到需要多个列（包括特征）的模块，但只提供了标签列，则会发生此错误。
分辨率： 选择要包含在数据集中的至少一个特征列。
| 异常消息 |
|---|
| 指定的列集不包含除标签列以外的其他列。 |
错误 0141
如果分类列和字符串列中选定的数值列数和唯一值数量过少，会出现异常。
当所选列中没有足够的唯一值来执行该操作时，机器学习会发生此错误。
解决方法： 某些操作对特征列和分类列执行统计运算，如果没有足够的值，操作可能失败或返回无效结果。 检查数据集以查看脂肪列和标签列中存在多少值，并确定您尝试执行的操作是否在统计上有效。
如果源数据集有效，还可以检查是否有上游数据操作或元数据操作更改了数据并删除了某些值。
如果上游操作包括拆分、采样或重新采样，请验证输出是否包含预期的行数和值数量。
| 异常消息 |
|---|
| 所选数值列的数量以及分类列和字符串列中唯一值的数量太少。 |
| 分类列和字符串列中所选数值列和唯一值的总数 (当前 {0}) 至少应为 {1} |
错误 0142
当系统无法加载证书进行身份验证时发生异常。
解决方法：
| 异常消息 |
|---|
| 无法加载证书。 |
| 无法加载证书 {0} 。 它的指纹是 {1}。 |
错误 0143
无法分析应来自GitHub的用户提供的 URL。
指定无效 URL 且模块需要有效的GitHub URL 时，机器学习会发生此错误。
分辨率：验证 URL 是否引用有效的GitHub存储库。 不支持其他网站类型。
| 异常消息 |
|---|
| URL 不是来自 github.com。 |
| URL 不是来自 github.com： {0} |
错误 0144
用户提供的GitHub URL 缺少预期部分。
使用无效 URL 格式指定GitHub文件源时，会发生机器学习此错误。
分辨率：检查GitHub存储库的 URL 是否有效，以 \blob\ 或 \tree\ 结尾。
| 异常消息 |
|---|
| 无法分析GitHub URL。 |
| 在存储库名称 GitHub) 后，无法分析 (需要“\blob\”或“\tree\”的 URL：{0} |
错误 0145
由于某种原因无法创建复制目录。
当模块无法创建指定的目录时，会发生机器学习此错误。
解决方法：
| 异常消息 |
|---|
| 无法创建复制目录。 |
错误 0146
将用户文件解压缩到本地目录中时，组合路径可能太长。
提取文件时，机器学习出现此错误，但解压缩时某些文件名过长。
分辨率： 编辑文件名，以便组合路径和文件名不超过 248 个字符。
| 异常消息 |
|---|
| 复制路径长度超过 248 个字符，缩短脚本名称或路径。 |
错误 0147
出于某种原因无法从GitHub下载内容
无法从GitHub读取或下载指定文件时，机器学习中会出现此错误。
分辨率： 此问题可能是暂时的;你可能尝试另一次访问文件。 或者验证你是否具有必要的权限，并且源是否有效。
| 异常消息 |
|---|
| GitHub访问错误。 |
| GitHub访问错误。 {0} |
错误 0148
提取数据或创建目录时出现未经授权的访问问题。
尝试从存储创建目录或读取数据但没有必要权限时，机器学习中会出现此错误。
解决方法：
| 异常消息 |
|---|
| 提取数据时出现未经授权的访问异常。 |
错误 0149
用户文件不存在于GitHub捆绑包中。
找不到指定文件时，机器学习发生此错误。
解决方法：
| 异常消息 |
|---|
| 找不到GitHub文件。 |
| 找不到GitHub文件。：{0} |
错误 0150
无法解压缩来自用户包的脚本，很可能是因为与GitHub文件发生冲突。
当无法提取脚本时，机器学习发生此错误，通常是当存在同名的现有文件时。
解决方法：
| 异常消息 |
|---|
| 无法解压缩捆绑包;可能的名称与GitHub文件冲突。 |
错误 0151
写入云存储时出错。 检查 URL。
当模块尝试将数据写入云存储但 URL 不可用或无效时，会发生机器学习此错误。
解决方法：检查 URL 并验证其是否可写。
| 异常消息 |
|---|
| 写入云存储时出错， (url) 错误。 |
| 写入云存储时出错： {0} 检查 URL。 |
错误 0152
Azure 云类型在模块上下文中未正确指定。
| 异常消息 |
|---|
| 错误的 Azure 云类型 |
| 错误的 Azure 云类型： {0} |
错误 0153
指定的存储终结点无效。
| 异常消息 |
|---|
| 错误的 Azure 云类型 |
| 错误的存储终结点：{0} |
错误 0154
无法解析指定的服务器名称
| 异常消息 |
|---|
| 无法解析指定的服务器名称 |
| 无法解析指定的服务器 {0}.documents.azure.com |
错误 0155
DocDb 客户端引发异常
| 异常消息 |
|---|
| DocDb 客户端引发异常 |
| DocDb 客户端： {0} |
错误 0156
HCatalog 服务器的响应不正确。
| 异常消息 |
|---|
| HCatalog 服务器的响应不正确。 检查所有服务是否正在运行。 |
| HCatalog 服务器的响应不正确。 检查所有服务是否正在运行。 错误详细信息：{0} |
错误 0157
由于文档架构不一致或不同，从 Azure Cosmos DB 读取时出错。 读取者要求所有文档具有相同的架构。
| 异常消息 |
|---|
| 检测到具有不同架构的文档。 确保所有文档具有相同的架构 |
错误 1000
内部库异常。
提供此错误是为了捕获未通过其他方式处理的内部引擎错误。 因此，导致此错误的原因可能有所不同，具体取决于产生错误的模块。
若要获取更多帮助，建议将错误附带的详细消息发布到机器学习论坛，以及方案的说明，包括用作输入的数据。 此反馈将帮助我们确定错误的优先级，并确定接下来要处理的最重要的问题。
| 异常消息 |
|---|
| 库异常。 |
| 库异常： {0} |
| {0} 库异常： {1} |
更多帮助
需要更多有关机器学习的帮助或故障排除提示？ 尝试以下资源：