Problemen met module-uitzonderingen in Machine Learning Studio (klassiek) oplossen met behulp van foutcodes

Belangrijk

De ondersteuning voor Azure Machine Learning-studio (klassiek) eindigt op 31 augustus 2024. U wordt aangeraden om vóór die datum over te stappen naar Azure Machine Learning.

Vanaf 1 december 2021 kunt u geen nieuwe resources voor Azure Machine Learning-studio (klassiek) meer maken. Tot en met 31 augustus 2024 kunt u de bestaande resources van Azure Machine Learning-studio (klassiek) blijven gebruiken.

De documentatie van ML-studio (klassiek) wordt buiten gebruik gesteld en wordt in de toekomst mogelijk niet meer bijgewerkt.

Meer informatie over de foutberichten en uitzonderingscodes die u kunt tegenkomen met behulp van modules in Machine Learning Studio (klassiek).

Als u het probleem wilt oplossen, zoekt u de fout in dit artikel om te lezen over veelvoorkomende oorzaken. Er zijn twee manieren om de volledige tekst van een foutbericht op te halen in Studio (klassiek):

  • Klik op de koppeling, Bekijk het uitvoerlogboek in het rechterdeelvenster en schuif naar de onderkant. Het gedetailleerde foutbericht wordt weergegeven in de laatste twee regels van het venster.

  • Selecteer de module met de fout en klik op de rode X. Alleen de relevante fouttekst wordt weergegeven.

Als de tekst van het foutbericht niet nuttig is, stuurt u ons informatie over de context en eventuele gewenste toevoegingen of wijzigingen. U kunt feedback verzenden over het foutonderwerp of naar het Machine Learning Studio -forum (klassiek) gaan en een vraag stellen.

Fout 0001

Er treedt een uitzondering op als een of meer opgegeven kolommen met gegevensset niet kunnen worden gevonden.

U krijgt deze fout als er een kolomselectie voor een module wordt gemaakt, maar de geselecteerde kolommen niet bestaan in de invoergegevensset. Deze fout kan optreden als u handmatig een kolomnaam hebt getypt of als de kolomkiezer een voorgestelde kolom heeft opgegeven die niet bestond in uw gegevensset toen u het experiment maakte.

Resolutie: Ga opnieuw naar de module die deze uitzondering genereert en controleer of de kolomnaam of -namen juist zijn en of alle kolommen waarnaar wordt verwezen, bestaan.

Uitzonderingsberichten
Een of meer opgegeven kolommen zijn niet gevonden
Kolom met naam of index is{0} niet gevonden
De kolom met de naam of index '{0}' bestaat niet in '{1}'

Fout 0002

Uitzondering treedt op als een of meer parameters niet kunnen worden geparseerd of geconverteerd van het opgegeven type naar vereist voor het doelmethodetype.

Deze fout treedt op in Machine Learning wanneer u een parameter opgeeft als invoer en het waardetype verschilt van het type dat wordt verwacht en impliciete conversie niet kan worden uitgevoerd.

Resolutie: Controleer de modulevereisten en bepaal welk waardetype vereist is (tekenreeks, geheel getal, dubbel, enzovoort)

Uitzonderingsberichten
Kan parameter niet parseren
De parameter '{0}' kan niet worden geparseerd
Kan de parameter "{0}" niet parseren (converteren) naar "{1}"
Kan de parameter '{0}' niet converteren van '{1}' naar '{2}'
Kan de parameterwaarde '{0}' niet converteren van '{2}' naar '{3}'{1}
Kan waarde '{0}' niet converteren in kolom '{1}' van '{2}' naar '{3}' met het gebruik van de opgegeven notatie '{4}'

Fout 0003

Er treedt een uitzondering op als een of meer invoerwaarden null of leeg zijn.

U ontvangt deze fout in Machine Learning als invoer of parameters voor een module null of leeg zijn. Deze fout kan bijvoorbeeld optreden wanneer u geen waarde voor een parameter hebt getypt. Dit kan ook gebeuren als u een gegevensset met ontbrekende waarden of een lege gegevensset hebt gekozen.

Oplossing:

  • Open de module die de uitzondering heeft geproduceerd en controleer of alle invoer is opgegeven. Zorg ervoor dat alle vereiste invoer is opgegeven.
  • Zorg ervoor dat gegevens die vanuit Azure Storage zijn geladen, toegankelijk zijn en dat de accountnaam of -sleutel niet is gewijzigd.
  • Controleer de invoergegevens op ontbrekende waarden of null-waarden.
  • Als u een query op een gegevensbron gebruikt, controleert u of de gegevens worden geretourneerd in de verwachte indeling.
  • Controleer op typfouten of andere wijzigingen in de specificatie van gegevens.
Uitzonderingsberichten
Een of meer invoerwaarden zijn null of leeg
Invoer '{0}' is null of leeg

Fout 0004

Uitzondering treedt op als de parameter kleiner is dan of gelijk is aan een specifieke waarde.

U ontvangt deze fout in Machine Learning als de parameter in het bericht onder een grenswaarde ligt die is vereist voor de module om de gegevens te verwerken.

Resolutie: Ga opnieuw naar de module die de uitzondering genereert en wijzig de parameter die groter is dan de opgegeven waarde.

Uitzonderingsberichten
De parameter moet groter zijn dan de grenswaarde.
De parameterwaarde moet{0} groter zijn dan {1}.
Parameter "{0}" heeft de waarde "{1}" die groter moet zijn dan {2}

Fout 0005

Uitzondering treedt op als de parameter kleiner is dan een specifieke waarde.

U ontvangt deze fout in Machine Learning als de parameter in het bericht lager of gelijk is aan een grenswaarde die is vereist voor de module om de gegevens te verwerken.

Resolutie: Ga opnieuw naar de module die de uitzondering genereert en wijzig de parameter die groter is dan of gelijk is aan de opgegeven waarde.

Uitzonderingsberichten
De parameter moet groter dan of gelijk zijn aan de grenswaarde.
De parameterwaarde moet{0} groter dan of gelijk zijn aan {1}.
Parameter "{0}" heeft de waarde "{1}" die groter moet zijn dan of gelijk aan {2}.

Fout 0006

Uitzondering treedt op als de parameter groter is dan of gelijk is aan de opgegeven waarde.

U ontvangt deze fout in Machine Learning als de parameter in het bericht groter is dan of gelijk is aan een grenswaarde die is vereist voor de module om de gegevens te verwerken.

Resolutie: Ga opnieuw naar de module die de uitzondering genereert en wijzig de parameter zodat deze kleiner is dan de opgegeven waarde.

Uitzonderingsberichten
Parameters komen niet overeen. Een van de parameters moet kleiner zijn dan een andere.
Parameterwaarde '{0}' moet kleiner zijn dan parameterwaarde '{1}.
Parameter "{0}" heeft de waarde "{1}" die kleiner moet zijn dan {2}.

Fout 0007

Uitzondering treedt op als de parameter groter is dan een specifieke waarde.

U krijgt deze fout in Machine Learning als u in de eigenschappen voor de module een waarde hebt opgegeven die groter is dan is toegestaan. U kunt bijvoorbeeld een gegevens opgeven die buiten het bereik van ondersteunde datums vallen, of u kunt aangeven dat er vijf kolommen worden gebruikt wanneer er slechts drie kolommen beschikbaar zijn.

Mogelijk ziet u deze fout ook als u twee gegevenssets opgeeft die op een of andere manier moeten overeenkomen. Als u bijvoorbeeld de naam van kolommen wijzigt en de kolommen per index opgeeft, moet het aantal namen dat u opgeeft overeenkomen met het aantal kolomindexen. Een ander voorbeeld is een wiskundige bewerking die gebruikmaakt van twee kolommen, waarbij de kolommen hetzelfde aantal rijen moeten hebben.

Oplossing:

  • Open de betreffende module en controleer de instellingen voor numerieke eigenschappen.
  • Zorg ervoor dat alle parameterwaarden binnen het ondersteunde bereik van waarden voor die eigenschap vallen.
  • Als de module meerdere invoer gebruikt, moet u ervoor zorgen dat de invoer van dezelfde grootte is.
  • Als de module meerdere eigenschappen heeft die kunnen worden ingesteld, moet u ervoor zorgen dat gerelateerde eigenschappen de juiste waarden hebben. Als u bijvoorbeeld groepsgegevens gebruikt in bins, als u de optie gebruikt om aangepaste bin-randen op te geven, moet het aantal bins overeenkomen met het aantal waarden dat u opgeeft als bin-grenzen.
  • Controleer of de gegevensset of gegevensbron is gewijzigd. Soms mislukt een waarde die met een eerdere versie van de gegevens heeft gewerkt nadat het aantal kolommen, de kolomgegevenstypen of de grootte van de gegevens is gewijzigd.
Uitzonderingsberichten
Parameters komen niet overeen. Een van de parameters moet kleiner dan of gelijk zijn aan een andere.
De parameterwaarde moet{0} kleiner dan of gelijk zijn aan de parameterwaarde '{1}.
Parameter "{0}" heeft de waarde "{1}" die kleiner dan of gelijk moet zijn aan {2}.

Fout 0008

Uitzondering treedt op als de parameter zich niet in het bereik bevindt.

U krijgt deze fout in Machine Learning als de parameter in het bericht buiten de grenzen valt die nodig zijn voor de module om de gegevens te verwerken.

Deze fout wordt bijvoorbeeld weergegeven als u rijen toevoegen probeert te gebruiken om twee gegevenssets met een ander aantal kolommen te combineren.

Resolutie: Ga opnieuw naar de module die de uitzondering genereert en wijzig de parameter die zich binnen het opgegeven bereik bevindt.

Uitzonderingsberichten
De parameterwaarde bevindt zich niet in het opgegeven bereik.
De parameterwaarde '{0}' bevindt zich niet in het bereik.
De parameterwaarde moet{0} zich in het bereik van [{1}, {2}].

Fout 0009

Uitzondering treedt op wanneer de naam van het Azure-opslagaccount of de containernaam onjuist is opgegeven.

Deze fout treedt op in Machine Learning Studio (klassiek) wanneer u parameters opgeeft voor een Azure-opslagaccount, maar de naam of het wachtwoord kan niet worden opgelost. Er kunnen om verschillende redenen fouten optreden bij wachtwoorden of accountnamen:

  • Het account is het verkeerde type. Sommige nieuwe accounttypen worden niet ondersteund voor gebruik met Machine Learning Studio (klassiek). Zie Gegevens importeren voor meer informatie.
  • U hebt de onjuiste accountnaam ingevoerd
  • Het account bestaat niet meer
  • Het wachtwoord voor het opslagaccount is onjuist of is gewijzigd
  • U hebt de containernaam niet opgegeven of de container bestaat niet
  • U hebt het bestandspad niet volledig opgegeven (pad naar de blob)

Oplossing:

Dergelijke problemen treden vaak op wanneer u de accountnaam, het wachtwoord of het containerpad handmatig probeert in te voeren. U wordt aangeraden de nieuwe wizard te gebruiken voor de module Gegevens importeren , waarmee u namen kunt opzoeken en controleren.

Controleer ook of het account, de container of de blob is verwijderd. Gebruik een ander Azure Storage-hulpprogramma om te controleren of de accountnaam en het wachtwoord correct zijn ingevoerd en of de container bestaat.

Sommige nieuwere accounttypen worden niet ondersteund door Machine Learning. De nieuwe 'dynamische' of 'koude' opslagtypen kunnen bijvoorbeeld niet worden gebruikt voor machine learning. Zowel klassieke opslagaccounts als opslagaccounts die zijn gemaakt als Algemeen gebruik, werken prima.

Als het volledige pad naar een blob is opgegeven, controleert u of het pad is opgegeven als container-/blobnaam en of zowel de container als de blob aanwezig zijn in het account.

Het pad mag geen voorloopslash bevatten. Bijvoorbeeld /container/blob is onjuist en moet worden ingevoerd als container/blob.

Resources

Zie dit artikel voor een uitleg van de verschillende opslagopties die worden ondersteund: Gegevens importeren in Machine Learning Studio (klassiek) uit verschillende online gegevensbronnen met de module Gegevens importeren

Voorbeeldexperimenten

Bekijk deze experimenten in de Cortana Intelligence Gallery voor voorbeelden van hoe u verbinding maakt met verschillende gegevensbronnen:

Uitzonderingsberichten
De naam van het Azure-opslagaccount of de containernaam is onjuist.
De naam van het Azure-opslagaccount '{0}' of de containernaam '{1}' is onjuist. Er is een containernaam van de indelingscontainer/blob verwacht.

Fout 0010

Uitzondering treedt op als invoergegevenssets kolomnamen hebben die moeten overeenkomen, maar niet.

Deze fout wordt weergegeven in Machine Learning als de kolomindex in het bericht verschillende kolomnamen heeft in de twee invoergegevenssets.

Resolutie: Gebruik Metagegevens bewerken of wijzig de oorspronkelijke gegevensset om dezelfde kolomnaam te hebben voor de opgegeven kolomindex.

Uitzonderingsberichten
Kolommen met bijbehorende index in invoergegevenssets hebben verschillende namen.
Kolomnamen zijn niet hetzelfde voor kolom {0} (nul) van invoergegevenssets ({1} en {2} respectievelijk).

Fout 0011

Uitzondering treedt op als doorgegeven kolomsetargument niet van toepassing is op gegevenssetkolommen.

U krijgt deze fout in Machine Learning als de opgegeven kolomselectie niet overeenkomt met een van de kolommen in de opgegeven gegevensset.

U kunt deze fout ook krijgen als u geen kolom hebt geselecteerd en er ten minste één kolom is vereist om de module te laten werken.

Resolutie: Wijzig de kolomselectie in de module zodat deze van toepassing is op de kolommen in de gegevensset.

Als u voor de module een specifieke kolom, zoals een labelkolom, moet selecteren, controleert u of de rechterkolom is geselecteerd.

Als ongepaste kolommen zijn geselecteerd, verwijdert u deze en voert u het experiment opnieuw uit.

Uitzonderingsberichten
De opgegeven kolomset is niet van toepassing op gegevenssetkolommen.
De opgegeven kolomset '{0}' is niet van toepassing op gegevenssetkolommen.

Fout 0012

Uitzondering treedt op als het exemplaar van klasse niet kan worden gemaakt met een doorgegeven set argumenten.

Resolutie: Deze fout kan niet worden uitgevoerd door de gebruiker en wordt afgeschaft in een toekomstige release.

Uitzonderingsberichten
Niet-getraind model, train eerst model.
Niet-getraind model ({0}), gebruikt getraind model.

Fout 0013

Er treedt een uitzondering op als de cursist die aan de module is doorgegeven, een ongeldig type is.

Deze fout treedt op wanneer een getraind model niet compatibel is met de verbonden scoremodule. Als u bijvoorbeeld de uitvoer van Train Matchbox Recommender koppelt aan Score Model (in plaats van Score Matchbox Recommender), wordt deze fout gegenereerd wanneer het experiment wordt uitgevoerd.

Oplossing:

Bepaal het type cursist dat door de trainingsmodule wordt geproduceerd en bepaal de scoremodule die geschikt is voor de cursist.

Als het model is getraind met behulp van een van de gespecialiseerde trainingsmodules, verbindt u het getrainde model alleen met de bijbehorende gespecialiseerde scoremodule.

Modeltype Trainingsmodule Scoremodule
elke classificatie Hyperparameters model trainen of afstemmen Score Model
elk regressiemodel Hyperparameters model trainen of afstemmen Score Model
clusteringmodellen Clusteringmodel trainen of clustering opruimen Gegevens aan cluster toewijzen
anomaliedetectie - One-Class SVM Anomaliedetectiemodel trainen Score Model
anomaliedetectie - PCA Hyperparameters model trainen of afstemmen ScoreModel
Er zijn enkele extra stappen vereist om het model te evalueren.
anomaliedetectie - tijdreeks Anomaliedetectie van Time Series Model traint van gegevens en genereert scores. De module maakt geen getrainde cursist en er is geen extra score vereist.
aanbevelingsmodel Train Matchbox Recommender Score Matchbox Recommender
afbeeldingsclassificatie Vooraf getrainde trapsgewijze afbeeldingsclassificatie Score Model
Vowpal Wabbit-modellen Vowpal Wabbit Versie 7-4-model trainen Score Vowpal Wabbit Versie 7-4 Model
Vowpal Wabbit-modellen Vowpal Wabbit Versie 7-10-model trainen Score Vowpal Wabbit Versie 7-10 Model
Vowpal Wabbit-modellen Vowpal Wabbit Versie 8-model trainen Score Vowpal Wabbit Versie 8 Model
Uitzonderingsberichten
Cursist van ongeldig type wordt doorgegeven.
{0}De cursist heeft een ongeldig type.

Fout 0014

Uitzondering treedt op als het aantal unieke waarden van de kolom groter is dan toegestaan.

Deze fout treedt op wanneer een kolom te veel unieke waarden bevat. U ziet deze fout bijvoorbeeld als u opgeeft dat een kolom wordt verwerkt als categorische gegevens, maar er te veel unieke waarden in de kolom zijn om verwerking mogelijk te maken. Mogelijk ziet u deze fout ook als er een onjuiste overeenkomst is tussen het aantal unieke waarden in twee invoerwaarden.

Oplossing:

Open de module die de fout heeft gegenereerd en identificeer de kolommen die als invoer worden gebruikt. Voor sommige modules kunt u met de rechtermuisknop op de invoer van de gegevensset klikken en Visualiseren selecteren om statistieken over afzonderlijke kolommen op te halen, inclusief het aantal unieke waarden en de bijbehorende distributie.

Voor kolommen die u wilt gebruiken voor groepering of categorisatie, voert u stappen uit om het aantal unieke waarden in kolommen te verminderen. U kunt op verschillende manieren verminderen, afhankelijk van het gegevenstype van de kolom.

Tip

Kunt u geen oplossing vinden die overeenkomt met uw scenario? U kunt feedback geven over dit onderwerp met de naam van de module die de fout heeft gegenereerd, en het gegevenstype en de kardinaliteit van de kolom. We gebruiken de informatie om gerichtere stappen voor probleemoplossing te bieden voor algemene scenario's.

Uitzonderingsberichten
Het aantal unieke kolomwaarden is groter dan toegestaan.
Aantal unieke waarden in kolom: "{0}" overschrijdt het aantal tuples van {1}.

Fout 0015

Uitzondering treedt op als de databaseverbinding is mislukt.

Deze fout wordt weergegeven als u een onjuiste SQL accountnaam, wachtwoord, databaseserver of databasenaam invoert of als er geen verbinding met de database tot stand kan worden gebracht vanwege problemen met de database of server.

Resolutie: Controleer of de accountnaam, het wachtwoord, de databaseserver en de database correct zijn ingevoerd en of het opgegeven account het juiste machtigingsniveau heeft. Controleer of de database momenteel toegankelijk is.

Uitzonderingsberichten
Fout bij het maken van een databaseverbinding.
Fout bij het maken van databaseverbinding: {0}.

Fout 0016

Uitzondering treedt op als invoergegevenssets die zijn doorgegeven aan de module compatibele kolomtypen moeten hebben, maar dat niet.

Deze fout wordt weergegeven in Machine Learning als de typen kolommen die zijn doorgegeven in twee of meer gegevenssets niet compatibel zijn met elkaar.

Resolutie: Gebruik Metagegevens bewerken, wijzig de oorspronkelijke invoergegevensset of gebruik Converteren naar gegevensset om ervoor te zorgen dat de typen kolommen compatibel zijn.

Uitzonderingsberichten
Kolommen met bijbehorende index in invoergegevenssets hebben niet-compatibele typen.
Kolommen {0} en {1} zijn niet compatibel.
Typen kolomelementen zijn niet compatibel voor de kolom {0} (nul) van invoergegevenssets ({1} en {2} respectievelijk).

Fout 0017

Uitzondering treedt op als een geselecteerde kolom gebruikmaakt van een gegevenstype dat niet wordt ondersteund door de huidige module.

U ontvangt deze fout bijvoorbeeld in Machine Learning als uw kolomselectie een kolom bevat met een gegevenstype dat niet kan worden verwerkt door de module, zoals een tekenreekskolom voor een wiskundige bewerking, of een scorekolom waarin een categorische functiekolom is vereist.

Oplossing:

  1. Identificeer de kolom die het probleem is.
  2. Controleer de vereisten van de module.
  3. Wijzig de kolom zodat deze voldoet aan de vereisten. Mogelijk moet u verschillende van de volgende modules gebruiken om wijzigingen aan te brengen, afhankelijk van de kolom en de conversie die u probeert:
    • Gebruik Metagegevens bewerken om het gegevenstype van kolommen te wijzigen of om het kolomgebruik te wijzigen van functie in numeriek, categorisch naar niet-categorisch, enzovoort.
    • Gebruik Converteren naar gegevensset om ervoor te zorgen dat alle opgenomen kolommen gegevenstypen gebruiken die worden ondersteund door Machine Learning. Als u de kolommen niet kunt converteren, kunt u deze verwijderen uit de invoergegevensset.
    • Gebruik de modules Apply SQL Transformation of Execute R Script om kolommen te casten of te converteren die niet kunnen worden gewijzigd met behulp van metagegevens bewerken. Deze modules bieden meer flexibiliteit voor het werken met datum/tijd-gegevenstypen.
    • Voor numerieke gegevenstypen kunt u de module Wiskundige bewerking toepassen gebruiken om waarden af te ronden of af tekappen, of de module Clipwaarden gebruiken om bereikwaarden te verwijderen.
  4. Als laatste redmiddel moet u mogelijk de oorspronkelijke invoergegevensset wijzigen.

Tip

Kunt u geen oplossing vinden die overeenkomt met uw scenario? U kunt feedback geven over dit onderwerp met de naam van de module die de fout heeft gegenereerd, en het gegevenstype en de kardinaliteit van de kolom. We gebruiken de informatie om gerichtere stappen voor probleemoplossing te bieden voor algemene scenario's.

Uitzonderingsberichten
Kan de kolom van het huidige type niet verwerken. Het type wordt niet ondersteund door de module.
Kan de kolom van het type {0}niet verwerken. Het type wordt niet ondersteund door de module.
Kan de kolom '{1}' van het type {0}niet verwerken. Het type wordt niet ondersteund door de module.
Kan de kolom '{1}' van het type {0}niet verwerken. Het type wordt niet ondersteund door de module. Parameternaam: {2}

Fout 0018

Er treedt een uitzondering op als de invoergegevensset ongeldig is.

Resolutie: Deze fout in Machine Learning kan in veel contexten worden weergegeven, dus er is geen enkele oplossing. Over het algemeen geeft de fout aan dat de gegevens die zijn opgegeven als invoer voor een module, het verkeerde aantal kolommen hebben of dat het gegevenstype niet voldoet aan de vereisten van de module. Bijvoorbeeld:

  • Voor de module is een labelkolom vereist, maar er is geen kolom gemarkeerd als een label of u hebt nog geen labelkolom geselecteerd.

  • De module vereist dat gegevens categorisch zijn, maar dat uw gegevens numeriek zijn.

  • Voor de module is een specifiek gegevenstype vereist. Classificaties die zijn opgegeven voor Train Matchbox Recommender , kunnen bijvoorbeeld numeriek of categorisch zijn, maar kunnen geen drijvendekommanummers zijn.

  • De gegevens hebben de verkeerde indeling.

  • Geïmporteerde gegevens bevatten ongeldige tekens, ongeldige waarden of waarden buiten het bereik.

  • De kolom is leeg of bevat te veel ontbrekende waarden.

Als u de vereisten en hoe uw gegevens kunnen worden gebruikt, raadpleegt u het Help-onderwerp voor de module die de gegevensset als invoer gaat gebruiken.

U wordt ook aangeraden Summarize Data of Compute Elementary Statistics te gebruiken om uw gegevens te profilen en deze modules te gebruiken om metagegevens en schone waarden op te lossen: Metagegevens bewerken, Ontbrekende gegevens opschonen, Clipwaarden.

Uitzonderingsberichten
De gegevensset is ongeldig.
{0} bevat ongeldige gegevens.
{0} en {1} moet consistent zijn voor kolommen.

Fout 0019

Uitzondering treedt op als de kolom naar verwachting gesorteerde waarden bevat, maar dit niet.

Deze fout wordt weergegeven in Machine Learning als de opgegeven kolomwaarden niet in orde zijn.

Resolutie: Sorteer de kolomwaarden door de invoergegevensset handmatig te wijzigen en de module opnieuw uit te voeren.

Uitzonderingsberichten
Waarden in kolom worden niet gesorteerd.
Waarden in kolom '{0}' worden niet gesorteerd.
Waarden in kolom "{0}" van gegevensset "{1}" worden niet gesorteerd.

Fout 0020

Uitzondering treedt op als het aantal kolommen in sommige gegevenssets dat aan de module is doorgegeven, te klein is.

Deze fout wordt weergegeven in Machine Learning als er onvoldoende kolommen zijn geselecteerd voor een module.

Resolutie: Ga opnieuw naar de module en zorg ervoor dat de kolomkiezer het juiste aantal kolommen heeft geselecteerd.

Uitzonderingsberichten
Het aantal kolommen in de invoergegevensset is minder dan toegestaan.
Het aantal kolommen in de invoergegevensset is kleiner dan toegestaan minimum kolom {0} (en).
Het aantal kolommen in de invoergegevensset '{0}' is minder dan toegestaan minimum kolom {1} (en).

Fout 0021

Uitzondering treedt op als het aantal rijen in sommige gegevenssets dat aan de module is doorgegeven, te klein is.

Deze fout in Machine Learning wanneer er onvoldoende rijen in de gegevensset zijn om de opgegeven bewerking uit te voeren. U ziet deze fout bijvoorbeeld als de invoergegevensset leeg is of als u een bewerking probeert uit te voeren waarvoor een minimum aantal rijen geldig moet zijn. Dergelijke bewerkingen kunnen bestaan uit (maar zijn niet beperkt tot) groepering of classificatie op basis van statistische methoden, bepaalde typen binning en leren met aantallen.

Oplossing:

  • Open de module die de fout heeft geretourneerd en controleer de eigenschappen van de invoergegevensset en module.
  • Controleer of de invoergegevensset niet leeg is en of er voldoende rijen met gegevens zijn om te voldoen aan de vereisten die worden beschreven in de Help van de module.
  • Als uw gegevens worden geladen vanuit een externe bron, moet u ervoor zorgen dat de gegevensbron beschikbaar is en dat er geen fout of wijziging is in de gegevensdefinitie waardoor het importproces minder rijen krijgt.
  • Als u een bewerking uitvoert op de gegevens upstream van de module die van invloed kan zijn op het type gegevens of het aantal waarden, zoals opschonen, splitsen of samenvoegen, controleert u de uitvoer van deze bewerkingen om het aantal geretourneerde rijen te bepalen.

Fout 0022

Uitzondering treedt op als het aantal geselecteerde kolommen in de invoergegevensset niet gelijk is aan het verwachte getal.

Deze fout in Machine Learning kan optreden wanneer voor de downstreammodule of bewerking een specifiek aantal kolommen of invoer is vereist en u te weinig of te veel kolommen of invoer hebt opgegeven. Bijvoorbeeld:

  • U geeft één labelkolom of sleutelkolom op en u hebt per ongeluk meerdere kolommen geselecteerd.

  • U wijzigt de naam van kolommen, maar u hebt meer of minder namen opgegeven dan er kolommen zijn.

  • Het aantal kolommen in de bron of bestemming is gewijzigd of komt niet overeen met het aantal kolommen dat door de module wordt gebruikt.

  • U hebt een door komma's gescheiden lijst met waarden opgegeven voor invoer, maar het aantal waarden komt niet overeen of er worden niet meerdere invoerwaarden ondersteund.

Resolutie: Ga opnieuw naar de module en controleer de kolomselectie om ervoor te zorgen dat het juiste aantal kolommen is geselecteerd. Controleer de uitvoer van upstream-modules en de vereisten van downstreambewerkingen.

Als u een van de opties voor kolomselectie hebt gebruikt waarmee meerdere kolommen (kolomindexen, alle functies, alle numerieke enzovoort) kunnen worden geselecteerd, valideert u het exacte aantal kolommen dat door de selectie wordt geretourneerd.

Als u probeert een door komma's gescheiden lijst met gegevenssets op te geven als invoer voor het uitpakken van zip-gegevenssets, moet u slechts één gegevensset tegelijk uitpakken. Meerdere invoerwaarden worden niet ondersteund.

Controleer of het aantal of het type upstreamkolommen niet is gewijzigd.

Als u een aanbevelingsgegevensset gebruikt om een model te trainen, moet u er rekening mee houden dat de aanbevelingsgebruiker een beperkt aantal kolommen verwacht, dat overeenkomt met paren van gebruikersitems of classificaties van gebruikersitems. Verwijder extra kolommen voordat u het model traint of aanbevelingsgegevenssets splitst. Zie Split Data voor meer informatie.

Uitzonderingsberichten
Het aantal geselecteerde kolommen in de invoergegevensset is niet gelijk aan het verwachte getal.
Het aantal geselecteerde kolommen in de invoergegevensset is niet gelijk aan {0}.
Kolomselectiepatroon '{0}' biedt het aantal geselecteerde kolommen in de invoergegevensset niet gelijk aan {1}.
Het kolomselectiepatroon '{0}' wordt verwacht dat kolom(en) die zijn geselecteerd in de invoergegevensset, {1} maar {2} kolom(en) worden verstrekt.

Fout 0023

Uitzondering treedt op als de doelkolom van de invoergegevensset niet geldig is voor de huidige trainermodule.

Deze fout in Machine Learning treedt op als de doelkolom (zoals geselecteerd in de moduleparameters) niet van het geldige gegevenstype is, alle ontbrekende waarden bevat of niet categorisch was zoals verwacht.

Resolutie: Ga opnieuw naar de module-invoer om de inhoud van de label-/doelkolom te inspecteren. Zorg ervoor dat niet alle ontbrekende waarden zijn. Als de module verwacht dat de doelkolom categorisch is, moet u ervoor zorgen dat er meer dan één afzonderlijke waarden in de doelkolom staan.

Uitzonderingsberichten
Invoergegevensset heeft niet-ondersteunde doelkolom.
Invoergegevensset heeft niet-ondersteunde doelkolom "{0}".
Invoergegevensset heeft niet-ondersteunde doelkolom '{0}' voor de cursist van het type {1}.

Fout 0024

Uitzondering treedt op als de gegevensset geen labelkolom bevat.

Deze fout in Machine Learning treedt op wanneer voor de module een labelkolom is vereist en de gegevensset geen labelkolom heeft. Evaluatie van een scoregegevensset vereist bijvoorbeeld meestal dat een labelkolom aanwezig is om metrische gegevens over nauwkeurigheid te berekenen.

Het kan ook gebeuren dat een labelkolom aanwezig is in de gegevensset, maar niet correct wordt gedetecteerd door Machine Learning.

Oplossing:

  • Open de module die de fout heeft gegenereerd en bepaal of er een labelkolom aanwezig is. De naam of het gegevenstype van de kolom maakt niet uit, zolang de kolom één resultaat (of afhankelijke variabele) bevat die u probeert te voorspellen. Als u niet zeker weet welke kolom het label heeft, zoekt u naar een algemene naam, zoals Klasse of Doel.
  • Als de gegevensset geen labelkolom bevat, is het mogelijk dat de labelkolom expliciet of per ongeluk upstream is verwijderd. Het kan ook zijn dat de gegevensset niet de uitvoer is van een upstream scoring-module.
  • Als u de kolom expliciet als labelkolom wilt markeren, voegt u de module Metagegevens bewerken toe en verbindt u de gegevensset. Selecteer alleen de labelkolom en selecteer Label in de vervolgkeuzelijst Velden .
  • Als de verkeerde kolom is gekozen als het label, kunt u het label Wissen selecteren in de velden om de metagegevens in de kolom op te lossen.
Uitzonderingsberichten
Er is geen labelkolom in de gegevensset.
Er is geen labelkolom in '{0}'.

Fout 0025

Uitzondering treedt op als de gegevensset geen scorekolom bevat.

Deze fout in Machine Learning treedt op als de invoer voor het evaluatiemodel geen geldige scorekolommen bevat. De gebruiker probeert bijvoorbeeld een gegevensset te evalueren voordat deze is gescoord met een correct getraind model of de scorekolom is expliciet upstream verwijderd. Deze uitzondering treedt ook op als de scorekolommen op de twee gegevenssets niet compatibel zijn. U probeert bijvoorbeeld de nauwkeurigheid van een lineaire regressor te vergelijken met die van een binaire classificatie.

Resolutie: Ga opnieuw naar de invoer voor het evaluatiemodel en controleer of het een of meer scorekolommen bevat. Zo niet, dan is de gegevensset niet gescoord of zijn de scorekolommen in een upstream-module verwijderd.

Uitzonderingsberichten
Er is geen scorekolom in de gegevensset.
Er is geen scorekolom in "{0}".
Er is geen scorekolom in "{0}" die wordt geproduceerd door een "{1}". Score de gegevensset met het juiste type cursist.

Fout 0026

Uitzondering treedt op als kolommen met dezelfde naam niet zijn toegestaan.

Deze fout in Machine Learning treedt op als meerdere kolommen dezelfde naam hebben. Een manier waarop u deze fout kunt ontvangen, is als aan de gegevensset geen veldnamenrij en kolomnamen worden toegewezen: Col0, Col1, enzovoort.

Resolutie: Als kolommen dezelfde naam hebben, voegt u een module Metagegevens bewerken in tussen de invoergegevensset en de module. Gebruik de kolomkiezer in Metagegevens bewerken om kolommen te selecteren waarvan u de naam wilt wijzigen en typ de nieuwe namen in het tekstvak Nieuwe kolomnamen .

Uitzonderingsberichten
Gelijke kolomnamen worden opgegeven in argumenten. Gelijke kolomnamen zijn niet toegestaan per module.
Gelijke kolomnamen in argumenten '{0}' en '{1}' zijn niet toegestaan. Geef verschillende namen op.

Fout 0027

Uitzondering treedt op in het geval dat twee objecten van dezelfde grootte moeten zijn, maar niet.

Dit is een veelvoorkomende fout in Machine Learning en kan worden veroorzaakt door veel voorwaarden.

Resolutie: Er is geen specifieke resolutie. U kunt echter controleren op voorwaarden zoals het volgende:

  • Als u de naam van kolommen wijzigt, moet u ervoor zorgen dat elke lijst (de invoerkolommen en de lijst met nieuwe namen) hetzelfde aantal items heeft.

  • Als u twee gegevenssets samenvoegt of samenvoegt, moet u ervoor zorgen dat deze hetzelfde schema hebben.

  • Als u twee gegevenssets met meerdere kolommen samenvoegt, controleert u of de sleutelkolommen hetzelfde gegevenstype hebben en selecteert u de optie Duplicaten toestaan en de kolomvolgorde behouden in de selectie.

Uitzonderingsberichten
De grootte van doorgegeven objecten is inconsistent.
De grootte van '{0}' is inconsistent met de grootte van '{1}'.

Fout 0028

Uitzondering treedt op in het geval dat de kolomset dubbele kolomnamen bevat en deze niet is toegestaan.

Deze fout in Machine Learning treedt op wanneer kolomnamen worden gedupliceerd; dat wil niet uniek zijn.

Resolutie: Als kolommen dezelfde naam hebben, voegt u een exemplaar van Metagegevens bewerken toe tussen de invoergegevensset en de module die de fout veroorzaakt. Gebruik de kolomkiezer in Metagegevens bewerken om kolommen te selecteren waarvan u de naam wilt wijzigen en typ de nieuwe kolomnamen in het tekstvak Nieuwe kolomnamen . Als u de naam van meerdere kolommen wijzigt, moet u ervoor zorgen dat de waarden die u in de nieuwe kolomnamen typt uniek zijn.

Uitzonderingsberichten
De kolomset bevat gedupliceerde kolomnamen.
De naam '{0}' wordt gedupliceerd.
De naam '{0}' wordt gedupliceerd in '{1}'.

Fout 0029

Uitzondering treedt op als er een ongeldige URI wordt doorgegeven.

Deze fout in Machine Learning treedt op als er een ongeldige URI wordt doorgegeven. U ontvangt deze fout als aan een van de volgende voorwaarden wordt voldaan: of.

  • De openbare of SAS-URI die is opgegeven voor Azure Blob Storage voor lezen of schrijven, bevat een fout.

  • Het tijdvenster voor de SAS is verlopen.

  • De web-URL via HTTP-bron vertegenwoordigt een bestand of een loopback-URI.

  • De web-URL via HTTP bevat een onjuist opgemaakte URL.

  • De URL kan niet worden omgezet door de externe bron.

Resolutie: Ga opnieuw naar de module en controleer de indeling van de URI. Als de gegevensbron een web-URL via HTTP is, controleert u of de beoogde bron geen bestand of een loopback-URI (localhost) is.

Uitzonderingsberichten
Er wordt een ongeldige URI doorgegeven.

Fout 0030

Uitzondering treedt op in het geval dat het niet mogelijk is om een bestand te downloaden.

Deze uitzondering in Machine Learning treedt op wanneer het niet mogelijk is om een bestand te downloaden. U ontvangt deze uitzondering wanneer een poging om te lezen uit een HTTP-bron is mislukt na drie (3) nieuwe pogingen.

Resolutie: Controleer of de URI naar de HTTP-bron juist is en of de site momenteel toegankelijk is via internet.

Uitzonderingsberichten
Kan een bestand niet downloaden.
Fout bij het downloaden van het bestand: {0}.

Fout 0031

Uitzondering treedt op als het aantal kolommen in de kolomset kleiner is dan nodig is.

Deze fout in Machine Learning treedt op als het aantal geselecteerde kolommen kleiner is dan nodig is. U ontvangt deze fout als het minimaal vereiste aantal kolommen niet is geselecteerd.

Resolutie: Voeg extra kolommen toe aan de kolomselectie met behulp van de kolomkiezer.

Uitzonderingsberichten
Het aantal kolommen in de kolomset is kleiner dan vereist.
{0} kolom(en) moet worden opgegeven. Het werkelijke aantal opgegeven kolommen is {1}.

Fout 0032

Uitzondering treedt op als het argument geen getal is.

U ontvangt deze fout in Machine Learning als het argument een dubbele of NaN is.

Resolutie: Wijzig het opgegeven argument om een geldige waarde te gebruiken.

Uitzonderingsberichten
Argument is geen getal.
"{0}" is geen getal.

Fout 0033

Uitzondering treedt op als het argument Infinity is.

Deze fout in Machine Learning treedt op als het argument oneindig is. U ontvangt deze fout als het argument is double.NegativeInfinity of double.PositiveInfinity.

Resolutie: Wijzig het opgegeven argument als een geldige waarde.

Uitzonderingsberichten
Argument moet eindig zijn.
"{0}" is niet eindig.

Fout 0034

Uitzondering treedt op als er meer dan één classificatie bestaat voor een bepaald paar gebruikersitems.

Deze fout in Machine Learning treedt op in aanbeveling als een paar gebruikersitems meer dan één beoordelingswaarde heeft.

Resolutie: Zorg ervoor dat het paar gebruikersitem slechts één beoordelingswaarde heeft.

Uitzonderingsberichten
Er bestaat meer dan één classificatie voor de waarde(s) in de gegevensset.
Meer dan één classificatie voor gebruikers {0} en items {1} in de tabel met voorspellingsgegevens voor classificaties.

Fout 0035

Uitzondering treedt op als er geen functies zijn opgegeven voor een bepaalde gebruiker of item.

Deze fout in Machine Learning treedt op dat u probeert een aanbevelingsmodel te gebruiken voor scoren, maar er kan geen functievector worden gevonden.

Oplossing:

De matchbox-aanbeveling heeft bepaalde vereisten waaraan moet worden voldaan bij het gebruik van itemfuncties of gebruikersfuncties. Deze fout geeft aan dat een functievector ontbreekt voor een gebruiker of item dat u hebt opgegeven als invoer. U moet ervoor zorgen dat er een vector met functies beschikbaar is in de gegevens voor elke gebruiker of elk item.

Als u bijvoorbeeld een aanbevelingsmodel hebt getraind met behulp van functies zoals de leeftijd, locatie of inkomsten van de gebruiker, maar nu scores wilt maken voor nieuwe gebruikers die niet zijn gezien tijdens de training, moet u een aantal gelijkwaardige functies (namelijk leeftijd, locatie en inkomstenwaarden) opgeven voor de nieuwe gebruikers om geschikte voorspellingen voor hen te kunnen doen.

Als u geen functies voor deze gebruikers hebt, kunt u functie-engineering overwegen om de juiste functies te genereren. Als u bijvoorbeeld geen afzonderlijke gebruikersleeftijd of inkomenswaarden hebt, kunt u geschatte waarden genereren die u voor een groep gebruikers wilt gebruiken.

Wanneer u scoret vanuit een aanbevelingsmodus, kunt u item- of gebruikersfuncties alleen gebruiken als u eerder item- of gebruikersfuncties hebt gebruikt tijdens de training. Zie Score Matchbox Recommender voor meer informatie.

Zie Train Matchbox Recommender voor algemene informatie over de werking van het aanbevelingsalgoritmen voor Matchbox en het voorbereiden van een gegevensset met itemfuncties of gebruikersfuncties.

Tip

Oplossing niet van toepassing op uw zaak? U kunt feedback over dit artikel verzenden en informatie geven over het scenario, inclusief de module en het aantal rijen in de kolom. We gebruiken deze informatie om in de toekomst gedetailleerdere stappen voor probleemoplossing te bieden.

Uitzonderingsberichten
Er zijn geen functies opgegeven voor een vereiste gebruiker of item.
Functies voor {0} vereist, maar niet opgegeven.

Fout 0036

Uitzondering treedt op als er meerdere functievectoren zijn opgegeven voor een bepaalde gebruiker of item.

Deze fout in Machine Learning treedt op als een functievector meerdere keren is gedefinieerd.

Resolutie: Zorg ervoor dat de functievector niet meer dan één keer is gedefinieerd.

Uitzonderingsberichten
Dubbele functiedefinitie voor een gebruiker of item.
Dubbele functiedefinitie voor {0}.

Fout 0037

Uitzondering treedt op als er meerdere labelkolommen zijn opgegeven en slechts één is toegestaan.

Deze fout in Machine Learning treedt op als er meer dan één kolom is geselecteerd als de nieuwe labelkolom. Voor de meeste leeralgoritmen onder supervisie moet één kolom worden gemarkeerd als het doel of label.

Resolutie: Zorg ervoor dat u één kolom selecteert als de nieuwe labelkolom.

Uitzonderingsberichten
Er worden meerdere labelkolommen opgegeven.

Fout 0038

Uitzondering treedt op als het verwachte aantal elementen een exacte waarde moet zijn, maar dat niet het geval is.

Deze fout in Machine Learning treedt op als het verwachte aantal elementen een exacte waarde moet zijn, maar niet. U ontvangt deze fout als het aantal elementen niet gelijk is aan de geldige verwachte waarde.

Resolutie: Wijzig de invoer om het juiste aantal elementen te hebben.

Uitzonderingsberichten
Het aantal elementen is ongeldig.
Het aantal elementen in '{0}' is ongeldig.
Het aantal elementen in '{0}' is niet gelijk aan een geldig aantal {1} elementen.

Fout 0039

Er treedt een uitzondering op als een bewerking is mislukt.

Deze fout in Machine Learning treedt op wanneer een interne bewerking niet kan worden voltooid.

Resolutie: Deze fout wordt veroorzaakt door veel voorwaarden en er is geen specifieke remedie.
De volgende tabel bevat algemene berichten voor deze fout, gevolgd door een specifieke beschrijving van de voorwaarde.

Als er geen details beschikbaar zijn, stuurt u feedback en geeft u informatie over de modules die de fout en gerelateerde voorwaarden hebben gegenereerd.

Uitzonderingsberichten
De bewerking is mislukt.
Fout tijdens het voltooien van de bewerking: {0}.

Fout 0040

Er treedt een uitzondering op bij het aanroepen van een afgeschafte module.

Deze fout in Machine Learning wordt gegenereerd bij het aanroepen van een afgeschafte module.

Resolutie: Vervang de afgeschafte module door een ondersteunde module. Zie het uitvoerlogboek van de module voor de informatie over welke module in plaats daarvan moet worden gebruikt.

Uitzonderingsberichten
Toegang tot afgeschafte module.
Module '{0}' is afgeschaft. Gebruik in plaats daarvan module '{1}' .

Fout 0041

Er treedt een uitzondering op bij het aanroepen van een afgeschafte module.

Deze fout in Machine Learning wordt gegenereerd bij het aanroepen van een afgeschafte module.

Resolutie: Vervang de afgeschafte module door een set ondersteunde modules. Deze informatie moet zichtbaar zijn in het uitvoerlogboek van de module.

Uitzonderingsberichten
Toegang tot afgeschafte module.
Module '{0}' is afgeschaft. Gebruik de modules '{1}' voor aangevraagde functionaliteit.

Fout 0042

Uitzondering treedt op wanneer het niet mogelijk is om de kolom te converteren naar een ander type.

Deze fout in Machine Learning treedt op wanneer het niet mogelijk is om de kolom te converteren naar het opgegeven type. U ontvangt deze fout als voor een module een bepaald gegevenstype is vereist, zoals datum/tijd, tekst, een drijvendekommagetal of geheel getal, maar het is niet mogelijk om een bestaande kolom te converteren naar het vereiste type.

U kunt bijvoorbeeld een kolom selecteren en deze converteren naar een numeriek gegevenstype voor gebruik in een wiskundige bewerking en deze fout ophalen als de kolom ongeldige gegevens bevat.

Een andere reden waarom u deze fout krijgt als u probeert een kolom met drijvendekommanummers of veel unieke waarden als een categorische kolom te gebruiken.

Oplossing:

  • Open de Help-pagina voor de module die de fout heeft gegenereerd en controleer de vereisten voor het gegevenstype.
  • Controleer de gegevenstypen van de kolommen in de invoergegevensset.
  • Inspecteer gegevens die afkomstig zijn uit zogenaamde schemaloze gegevensbronnen.
  • Controleer de gegevensset op ontbrekende waarden of speciale tekens die de conversie naar het gewenste gegevenstype kunnen blokkeren.
    • Numerieke gegevenstypen moeten consistent zijn: bijvoorbeeld controleren op drijvendekommanummers in een kolom met gehele getallen.
    • Zoek naar tekenreeksen of NA-waarden in een getalkolom.
    • Booleaanse waarden kunnen worden geconverteerd naar een geschikte weergave, afhankelijk van het vereiste gegevenstype.
    • Tekstkolommen voor niet-Unicode-tekens, tabtekens of besturingstekens onderzoeken
    • Datum/tijd-gegevens moeten consistent zijn om modelleringsfouten te voorkomen, maar het opschonen kan complex zijn vanwege de vele indelingen. Overweeg het uitvoeren van het Execute R-script of het uitvoeren van Python-scriptmodules om opschoning uit te voeren.
  • Wijzig zo nodig de waarden in de invoergegevensset, zodat de kolom kan worden geconverteerd. Wijziging kan bestaan uit binning, afkapping of afrondingsbewerkingen, verwijdering van uitbijters of het imputeren van ontbrekende waarden. Zie de volgende artikelen voor enkele veelvoorkomende scenario's voor gegevenstransformatie in machine learning:

Tip

Oplossing onduidelijk of niet van toepassing op uw zaak? U kunt feedback over dit artikel verzenden en informatie geven over het scenario, inclusief de module en het gegevenstype van de kolom. We gebruiken deze informatie om in de toekomst gedetailleerdere stappen voor probleemoplossing te bieden.

Uitzonderingsberichten
Conversie is niet toegestaan.
Kan de kolom van het type {0} niet converteren naar een kolom van het type {1}.
Kan de kolom van{2} het type {0} niet converteren naar een kolom van het type {1}.
Kan kolom "{2}" van het type {0} niet converteren naar kolom "{3}" van het type {1}.

Fout 0043

Uitzondering treedt op wanneer het elementtype niet expliciet gelijk aan implementeert.

Deze fout in Machine Learning wordt niet gebruikt en wordt afgeschaft.

Resolutie: Geen.

Uitzonderingsberichten
Er is geen toegankelijke expliciete methode gevonden die gelijk is aan.
Kan de waarden voor kolom \"{0}\" van het type {1}niet vergelijken. Er is geen toegankelijke expliciete methode gevonden die gelijk is aan.

Fout 0044

Uitzondering treedt op wanneer het niet mogelijk is om het elementtype van de kolom af te leiden van de bestaande waarden.

Deze fout in Machine Learning treedt op wanneer het niet mogelijk is om het type kolom of kolommen in een gegevensset af te voeren. Dit gebeurt meestal bij het samenvoegen van twee of meer gegevenssets met verschillende elementtypen. Als Machine Learning geen gemeenschappelijk type kan bepalen dat alle waarden in een kolom of kolommen kan vertegenwoordigen zonder gegevensverlies, wordt deze fout gegenereerd.

Resolutie: Zorg ervoor dat alle waarden in een bepaalde kolom in beide gegevenssets die worden gecombineerd, van hetzelfde type zijn (numeriek, booleaans, categorisch, tekenreeks, datum, enzovoort) of kunnen worden gecodeerd naar hetzelfde type.

Uitzonderingsberichten
Kan het elementtype van de kolom niet afleiden.
Kan het elementtype voor kolom '{0}' niet afleiden. Alle elementen zijn null-verwijzingen.
Kan het elementtype voor de kolom '{0}' van de gegevensset '{1}' niet afleiden. Alle elementen zijn null-verwijzingen.

Fout 0045

Uitzondering treedt op wanneer het niet mogelijk is om een kolom te maken vanwege typen gemengde elementen in de bron.

Deze fout in Machine Learning wordt gegenereerd wanneer de elementtypen van twee gegevenssets die worden gecombineerd verschillend zijn.

Resolutie: Zorg ervoor dat alle waarden in een bepaalde kolom in beide gegevenssets die worden gecombineerd, van hetzelfde type zijn (numeriek, booleaans, categorisch, tekenreeks, datum, enzovoort).

Uitzonderingsberichten
Kan geen kolom maken met typen gemengde elementen.
Kan geen kolom maken met id '{0}' van typen gemengde elementen:\n\tType van gegevens[{1}, {0}] is {2}\n\tType van gegevens[{3}, {0}] is {4}.

Fout 0046

Uitzondering treedt op wanneer het niet mogelijk is om een map te maken op het opgegeven pad.

Deze fout in Machine Learning treedt op wanneer het niet mogelijk is om een map op het opgegeven pad te maken. U ontvangt deze fout als een deel van het pad naar de uitvoermap voor een Hive-query onjuist of niet toegankelijk is.

Resolutie: Ga opnieuw naar de module en controleer of het mappad correct is opgemaakt en of het toegankelijk is met de huidige referenties.

Uitzonderingsberichten
Geef een geldige uitvoermap op.
Map: {0} kan niet worden gemaakt. Geef een geldig pad op.

Fout 0047

Uitzondering treedt op als het aantal functiekolommen in sommige gegevenssets die aan de module zijn doorgegeven, te klein is.

Deze fout in Machine Learning treedt op als de invoergegevensset voor training niet het minimale aantal kolommen bevat dat door het algoritme is vereist. Normaal gesproken is de gegevensset leeg of bevat alleen trainingskolommen.

Resolutie: Ga opnieuw naar de invoergegevensset om ervoor te zorgen dat er een of meer extra kolommen naast de labelkolom staan.

Uitzonderingsberichten
Het aantal functiekolommen in de invoergegevensset is minder dan toegestaan.
Het aantal functiekolommen in de invoergegevensset is kleiner dan toegestaan minimum van {0} kolom(en).
Het aantal functiekolommen in de invoergegevensset '{0}' is minder dan toegestaan minimum van {1} kolom(en).

Fout 0048

Uitzondering treedt op in het geval dat het niet mogelijk is om een bestand te openen.

Deze fout in Machine Learning treedt op wanneer het niet mogelijk is om een bestand te openen voor lezen of schrijven. U krijgt deze fout mogelijk om de volgende redenen:

  • De container of het bestand (blob) bestaat niet

  • Op het toegangsniveau van het bestand of de container kunt u geen toegang krijgen tot het bestand

  • Het bestand is te groot om te lezen of de verkeerde indeling

Resolutie: Ga opnieuw naar de module en het bestand dat u probeert te lezen.

Controleer of de namen van de container en het bestand juist zijn.

Gebruik de klassieke Azure-portal of een Hulpprogramma voor Azure Storage om te controleren of u gemachtigd bent om toegang te krijgen tot het bestand.

Als u een afbeeldingsbestand wilt lezen, moet u ervoor zorgen dat het voldoet aan de vereisten voor afbeeldingsbestanden in termen van grootte, aantal pixels, enzovoort. Zie Afbeeldingen importeren voor meer informatie.

Uitzonderingsberichten
Kan een bestand niet openen.
Fout bij het openen van het bestand: {0}.

Fout 0049

Uitzondering treedt op in het geval dat het niet mogelijk is om een bestand te parseren.

Deze fout in Machine Learning treedt op wanneer het niet mogelijk is om een bestand te parseren. U krijgt deze fout als de bestandsindeling die is geselecteerd in de module Gegevens importeren niet overeenkomt met de werkelijke indeling van het bestand of als het bestand een onherkenbaar teken bevat.

Resolutie: Ga opnieuw naar de module en corrigeer de selectie van de bestandsindeling als deze niet overeenkomt met de indeling van het bestand. Controleer indien mogelijk het bestand om te bevestigen dat het geen ongeldige tekens bevat.

Uitzonderingsberichten
Kan een bestand niet parseren.
Fout bij het parseren van het bestand: {0}.

Fout 0050

Uitzondering treedt op in het geval dat invoer- en uitvoerbestanden hetzelfde zijn.

Resolutie: Deze fout in Machine Learning wordt niet gebruikt en wordt afgeschaft.

Uitzonderingsberichten
Opgegeven bestanden voor invoer en uitvoer kunnen niet hetzelfde zijn.

Fout 0051

Uitzondering treedt op in het geval dat verschillende uitvoerbestanden hetzelfde zijn.

Resolutie: Deze fout in Machine Learning wordt niet gebruikt en wordt afgeschaft.

Uitzonderingsberichten
Opgegeven bestanden voor uitvoer kunnen niet hetzelfde zijn.

Fout 0052

Uitzondering treedt op als de sleutel van het Azure-opslagaccount onjuist is opgegeven.

Deze fout in Machine Learning treedt op als de sleutel die wordt gebruikt voor toegang tot het Azure-opslagaccount onjuist is. U ziet deze fout bijvoorbeeld als de Azure-opslagsleutel is afgekapt bij het kopiëren en plakken, of als de verkeerde sleutel is gebruikt.

Zie Toegangssleutels voor opslag weergeven, kopiëren en opnieuw genereren voor meer informatie over het ophalen van de sleutel voor een Azure-opslagaccount.

Resolutie: Ga opnieuw naar de module en controleer of de Azure-opslagsleutel juist is voor het account; kopieer indien nodig de sleutel opnieuw vanuit de klassieke Azure-portal.

Uitzonderingsberichten
De Sleutel van het Azure-opslagaccount is onjuist.

Fout 0053

Er treedt een uitzondering op wanneer er geen gebruikersfuncties of items zijn voor aanbevelingen voor matchbox.

Deze fout in Machine Learning wordt geproduceerd wanneer een functievector niet kan worden gevonden.

Resolutie: Zorg ervoor dat een functievector aanwezig is in de invoergegevensset.

Uitzonderingsberichten
Gebruikersfuncties of/en items zijn vereist, maar niet opgegeven.

Fout 0054

Uitzondering treedt op als er te weinig afzonderlijke waarden in de kolom zijn om de bewerking te voltooien.

Resolutie: Deze fout in Machine Learning wordt niet gebruikt en wordt afgeschaft.

Uitzonderingsberichten
Gegevens hebben te weinig afzonderlijke waarden in de opgegeven kolom om de bewerking te voltooien.
Gegevens hebben te weinig afzonderlijke waarden in de opgegeven kolom om de bewerking te voltooien. Het vereiste minimum is {0} elementen.
Gegevens bevatten te weinig afzonderlijke waarden in de kolom '{1}' om de bewerking te voltooien. Het vereiste minimum is {0} elementen.

Fout 0055

Uitzondering treedt op bij het aanroepen van een afgeschafte module.

Deze fout in Machine Learning wordt weergegeven als u probeert een module aan te roepen die is afgeschaft.

Oplossing:

Uitzonderingsberichten
Toegang tot afgeschafte module.
Module '{0}' is afgeschaft.

Fout 0056

Uitzondering treedt op als de kolommen die u voor een bewerking hebt geselecteerd, in strijd zijn met de vereisten.

Deze fout in Machine Learning treedt op wanneer u kolommen kiest voor een bewerking waarvoor de kolom van een bepaald gegevenstype moet zijn.

Deze fout kan ook optreden als de kolom het juiste gegevenstype is, maar voor de module die u gebruikt, moet de kolom ook worden gemarkeerd als een functie, label of categorische kolom.

Voor de module Converteren naar indicatorwaarden is bijvoorbeeld vereist dat kolommen categorisch zijn en deze fout wordt weergegeven als u een functiekolom of labelkolom selecteert.

Oplossing:

  1. Controleer het gegevenstype van de kolommen die momenteel zijn geselecteerd.

  2. Controleer of de geselecteerde kolommen categorisch, label of functiekolommen zijn.

  3. Bekijk het Help-onderwerp voor de module waarin u de kolomselectie hebt gemaakt om te bepalen of er specifieke vereisten zijn voor het gegevenstype of het kolomgebruik.

  4. Gebruik Metagegevens bewerken om het kolomtype te wijzigen voor de duur van deze bewerking. Zorg ervoor dat u het kolomtype weer wijzigt in de oorspronkelijke waarde, met behulp van een ander exemplaar van metagegevens bewerken, als u dit nodig hebt voor downstreambewerkingen.

Uitzonderingsberichten
Een of meer geselecteerde kolommen zijn niet opgenomen in een toegestane categorie.
Kolom met de naam '{0}' bevindt zich niet in een toegestane categorie.

Fout 0057

Er treedt een uitzondering op wanneer u probeert een bestand of blob te maken dat al bestaat.

Deze uitzondering treedt op wanneer u de module Gegevens exporteren of een andere module gebruikt om resultaten van een experiment in Machine Learning op te slaan in Azure Blob Storage, maar u probeert een bestand of blob te maken dat al bestaat.

Oplossing:

U ontvangt deze fout alleen als u eerder de schrijfmodus voor Azure Blob Storage hebt ingesteld op Fout. Deze module genereert standaard een fout als u probeert een gegevensset te schrijven naar een blob die al bestaat.

  • Open de module-eigenschappen en wijzig de schrijfmodus voor Azure Blob Storage in Overschrijven.
  • U kunt ook de naam van een andere doel-blob of een ander bestand typen en ervoor zorgen dat u een blob opgeeft die nog niet bestaat.
Uitzonderingsberichten
Bestand of blob bestaat al.
Bestand of blob{0} bestaat al.

Fout 0058

Deze fout in Machine Learning treedt op als de gegevensset niet de verwachte labelkolom bevat.

Deze uitzondering kan ook optreden wanneer de opgegeven labelkolom niet overeenkomt met de gegevens of het gegevenstype dat door de cursist wordt verwacht of de verkeerde waarden heeft. Deze uitzondering wordt bijvoorbeeld geproduceerd bij het gebruik van een kolom met echte waarden bij het trainen van een binaire classificatie.

Resolutie: De resolutie is afhankelijk van de cursist of trainer die u gebruikt en de gegevenstypen van de kolommen in uw gegevensset. Controleer eerst de vereisten van het machine learning-algoritme of de trainingsmodule.

Ga opnieuw naar de invoergegevensset. Controleer of de kolom die u verwacht te behandelen als het label het juiste gegevenstype heeft voor het model dat u maakt.

Controleer de invoer op ontbrekende waarden en verwijder of vervang deze indien nodig.

Voeg zo nodig de module Metagegevens bewerken toe en zorg ervoor dat de labelkolom is gemarkeerd als een label.

Uitzonderingsberichten
De labelkolom is niet zoals verwacht
De labelkolom is niet zoals verwacht in '{0}'.
De labelkolom '{0}' wordt niet verwacht in '{1}'.

Fout 0059

Uitzondering treedt op als een kolomindex die is opgegeven in een kolomkiezer, niet kan worden geparseerd.

Deze fout in Machine Learning treedt op als een kolomindex die is opgegeven bij het gebruik van de kolomkiezer niet kan worden geparseerd. Deze fout wordt weergegeven wanneer de kolomindex een ongeldige indeling heeft die niet kan worden geparseerd.

Resolutie: Wijzig de kolomindex om een geldige indexwaarde te gebruiken.

Uitzonderingsberichten
Een of meer opgegeven kolomindexen of indexbereiken kunnen niet worden geparseerd.
De kolomindex of het bereik '{0}' kan niet worden geparseerd.

Fout 0060

Uitzondering treedt op wanneer een buiten bereikkolombereik wordt opgegeven in een kolomkiezer.

Deze fout in Machine Learning treedt op wanneer een buitenbereikkolombereik wordt opgegeven in de kolomkiezer. Deze fout wordt weergegeven als het kolombereik in de kolomkiezer niet overeenkomt met de kolommen in de gegevensset.

Resolutie: Wijzig het kolombereik in de kolomkiezer zodat deze overeenkomt met de kolommen in de gegevensset.

Uitzonderingsberichten
Ongeldig of buiten bereik kolomindexbereik opgegeven.
Kolombereik '{0}' is ongeldig of valt buiten het bereik.

Fout 0061

Er treedt een uitzondering op bij het toevoegen van een rij aan een gegevenstabel met een ander aantal kolommen dan de tabel.

Deze fout in Machine Learning treedt op wanneer u probeert een rij toe te voegen aan een gegevensset met een ander aantal kolommen dan de gegevensset. Deze fout wordt weergegeven als de rij die wordt toegevoegd aan de gegevensset een ander aantal kolommen heeft dan de invoergegevensset. De rij kan niet worden toegevoegd aan de gegevensset als het aantal kolommen anders is.

Resolutie: Wijzig de invoergegevensset zodat hetzelfde aantal kolommen wordt toegevoegd als de rij die is toegevoegd, of wijzig de rij die is toegevoegd om hetzelfde aantal kolommen als de gegevensset te hebben.

Uitzonderingsberichten
Alle tabellen moeten hetzelfde aantal kolommen hebben.

Fout 0062

Er treedt een uitzondering op bij het vergelijken van twee modellen met verschillende leertypen.

Deze fout in Machine Learning wordt gegenereerd wanneer metrische evaluatiegegevens voor twee verschillende scoregegevenssets niet kunnen worden vergeleken. In dit geval is het niet mogelijk om de effectiviteit van de modellen te vergelijken die worden gebruikt om de twee scoregegevenssets te produceren.

Resolutie: Controleer of de gescoorde resultaten worden geproduceerd door hetzelfde type machine learning-model (binaire classificatie, regressie, classificatie met meerdere klassen, aanbeveling, clustering, anomaliedetectie, enzovoort) Alle modellen die u vergelijkt, moeten hetzelfde type cursist hebben.

Uitzonderingsberichten
Alle modellen moeten hetzelfde type cursist hebben.

Fout 0063

Deze uitzondering wordt gegenereerd wanneer R-scriptevaluatie mislukt met een fout.

Deze fout treedt op wanneer u een R-script hebt opgegeven in een van de R-taalmodules in Machine Learning en de R-code interne syntaxisfouten bevat. De uitzondering kan ook optreden als u de verkeerde invoer voor het R-script opgeeft.

De fout kan ook optreden als het script te groot is om uit te voeren in de werkruimte. De maximale scriptgrootte voor de Execute R Script-module is 1000 regels of 32 kB aan schijfruimte, afhankelijk van wat kleiner is.

Oplossing:

  1. Klik in Machine Learning Studio (klassiek) met de rechtermuisknop op de module met de fout en selecteer Logboek weergeven.
  2. Bekijk het standaardfoutlogboek van de module, dat de stacktracering bevat.
    • Regels die beginnen met [ModuleOutput] geven de uitvoer van R aan.
    • Berichten van R die als waarschuwingen zijn gemarkeerd, veroorzaken meestal niet dat het experiment mislukt.
  3. Scriptproblemen oplossen.
    • Controleer op R-syntaxisfouten. Controleer op variabelen die zijn gedefinieerd, maar die nooit zijn ingevuld.
    • Controleer de invoergegevens en het script om te bepalen of de gegevens of variabelen in het script tekens gebruiken die niet worden ondersteund door Machine Learning.
    • Controleer of alle pakketafhankelijkheden zijn geïnstalleerd.
    • Controleer of uw code vereiste bibliotheken laadt die niet standaard zijn geladen.
    • Controleer of de vereiste pakketten de juiste versie zijn.
    • Zorg ervoor dat elke gegevensset die u wilt uitvoeren, wordt geconverteerd naar een gegevensframe.
  4. Verzend het experiment opnieuw.

Notitie

Deze onderwerpen bevatten voorbeelden van R-code die u kunt gebruiken, evenals koppelingen naar experimenten in de Cortana Intelligence Gallery die gebruikmaken van R-script.

Uitzonderingsberichten
Fout tijdens de evaluatie van R-script.
De volgende fout is opgetreden tijdens de evaluatie van R-script: ---------- begin van het foutbericht van R ---------- {0} ----------- einde van het foutbericht van R -----------
Tijdens de evaluatie van R-script '{1}' is de volgende fout opgetreden: ---------- begin van foutbericht van R ---------- {0} ----------- Einde van foutbericht van R -----------

Fout 0064

Uitzondering treedt op als de naam of opslagsleutel van het Azure-opslagaccount onjuist is opgegeven.

Deze fout in Machine Learning treedt op als de naam of opslagsleutel van het Azure-opslagaccount onjuist is opgegeven. U ontvangt deze fout als u een onjuiste accountnaam of -wachtwoord invoert voor het opslagaccount. Dit kan gebeuren als u de accountnaam of het wachtwoord handmatig invoert. Dit kan ook gebeuren als het account is verwijderd.

Resolutie: Controleer of de accountnaam en het wachtwoord correct zijn ingevoerd en of het account bestaat.

Uitzonderingsberichten
De naam of opslagsleutel van het Azure-opslagaccount is onjuist.
De naam van het Azure-opslagaccount '{0}' of de opslagsleutel voor de accountnaam is onjuist.

Fout 0065

Uitzondering treedt op als de azure-blobnaam onjuist is opgegeven.

Deze fout in Machine Learning treedt op als de Naam van de Azure-blob onjuist is opgegeven. U ontvangt de foutmelding als:

  • De blob kan niet worden gevonden in de opgegeven container.

  • De volledig gekwalificeerde naam van de blob die is opgegeven voor uitvoer in een van de Learning met Counts-modules is groter dan 512 tekens.

  • Alleen de container is opgegeven als de bron in een importgegevensaanvraag wanneer de indeling is Excel of CSV met codering; samenvoeging van de inhoud van alle blobs in een container is niet toegestaan met deze indelingen.

  • Een SAS-URI bevat niet de naam van een geldige blob.

Resolutie: Ga opnieuw naar de module die de uitzondering genereert. Controleer of de opgegeven blob aanwezig is in de container in het opslagaccount en of u met deze machtigingen de blob kunt zien. Controleer of de invoer van de containernaam/bestandsnaam van het formulier is als u Excel of CSV hebt met coderingsindelingen. Controleer of een SAS-URI de naam van een geldige blob bevat.

Uitzonderingsberichten
De Azure Storage-blob is onjuist.
De naam van de Azure Storage-blob '{0}' is onjuist

Fout 0066

Er treedt een uitzondering op als een resource niet kan worden geüpload naar een Azure Blob.

Deze fout in Machine Learning treedt op als een resource niet kan worden geüpload naar een Azure Blob. U ontvangt dit bericht als het train Vowpal Wabbit 7-4-model een fout krijgt bij het opslaan van het model of de hash die is gemaakt tijdens het trainen van het model. Beide worden opgeslagen in hetzelfde Azure-opslagaccount als het account met het invoerbestand.

Resolutie: Ga opnieuw naar de module. Controleer of de naam, opslagsleutel en container van het Azure-account juist zijn en of het account gemachtigd is om naar de container te schrijven.

Uitzonderingsberichten
De resource kan niet worden geüpload naar Azure Storage.
Het bestand '{0}' kan niet worden geüpload naar Azure Storage als {1}.

Fout 0067

Uitzondering treedt op als een gegevensset een ander aantal kolommen heeft dan verwacht.

Deze fout in Machine Learning treedt op als een gegevensset een ander aantal kolommen heeft dan verwacht. U krijgt deze fout wanneer het aantal kolommen in de gegevensset verschilt van het aantal kolommen dat de module verwacht tijdens de uitvoering.

Resolutie: Wijzig de invoergegevensset of de parameters.

Uitzonderingsberichten
Onverwacht aantal kolommen in de gegevenstabel.
{0}Verwachte "" kolommen, maar in plaats daarvan "{1}" kolommen gevonden.

Fout 0068

Uitzondering treedt op als het opgegeven Hive-script niet juist is.

Deze fout in Machine Learning treedt op als er syntaxisfouten zijn in een Hive QL-script, of als de Hive-interpreter een fout ondervindt tijdens het uitvoeren van de query of het script.

Oplossing:

Het foutbericht van Hive wordt normaal gesproken gerapporteerd in het foutenlogboek, zodat u actie kunt ondernemen op basis van de specifieke fout.

  • Open de module en inspecteer de query op fouten.
  • Controleer of de query buiten Machine Learning werkt door u aan te melden bij de Hive-console van uw Hadoop-cluster en de query uit te voeren.
  • Probeer opmerkingen in uw Hive-script op een afzonderlijke regel te plaatsen in plaats van uitvoerbare instructies en opmerkingen op één regel te combineren.

Resources

Zie de volgende artikelen voor hulp bij Hive-query's voor machine learning:

Uitzonderingsberichten
Hive-script is onjuist.
Hive-script {0} is niet juist.

Fout 0069

Uitzondering treedt op als het opgegeven SQL script niet juist is.

Deze fout in Machine Learning treedt op als het opgegeven SQL script syntaxisproblemen heeft of als de kolommen of tabel die in het script zijn opgegeven, ongeldig zijn.

U ontvangt deze fout als de SQL engine een fout ondervindt tijdens het uitvoeren van de query of het script. Het SQL foutbericht wordt normaal gesproken in het foutenlogboek gerapporteerd, zodat u actie kunt ondernemen op basis van de specifieke fout.

Resolutie: Ga opnieuw naar de module en inspecteer de SQL-query op fouten.

Controleer of de query correct werkt buiten Azure ML door u rechtstreeks aan te melden bij de databaseserver en de query uit te voeren.

Als er een SQL gegenereerd bericht wordt gerapporteerd door de moduleuitzondering, moet u actie ondernemen op basis van de gerapporteerde fout. De foutberichten bevatten bijvoorbeeld soms specifieke richtlijnen voor de waarschijnlijke fout:

  • Geen dergelijke kolom of ontbrekende database, waarmee wordt aangegeven dat u mogelijk een kolomnaam verkeerd hebt getypt. Als u zeker weet dat de kolomnaam juist is, gebruikt u haakjes of aanhalingstekens om de kolom-id in te sluiten.
  • SQL logische fout in de buurt <van SQL trefwoord>, waarmee wordt aangegeven dat u mogelijk een syntaxisfout hebt vóór het opgegeven trefwoord
Uitzonderingsberichten
SQL script is onjuist.
SQL query '{0}' is niet juist.
SQL query '{0}' is niet juist:{1}

Fout 0070

Er treedt een uitzondering op wanneer u probeert toegang te krijgen tot een niet-bestaande Azure-tabel.

Deze fout in Machine Learning treedt op wanneer u probeert toegang te krijgen tot een niet-bestaande Azure-tabel. U krijgt deze fout als u een tabel opgeeft in Azure Storage, die niet bestaat bij het lezen van of schrijven naar Azure Table Storage. Dit kan gebeuren als u de naam van de gewenste tabel verkeerd typt of als u een onjuiste overeenkomst hebt tussen de doelnaam en het opslagtype. U wilt bijvoorbeeld lezen uit een tabel, maar in plaats daarvan de naam van een blob invoeren.

Resolutie: Ga opnieuw naar de module om te controleren of de naam van de tabel juist is.

Uitzonderingsberichten
Azure-tabel bestaat niet.
De Azure-tabel '{0}' bestaat niet.

Fout 0071

Uitzondering treedt op als opgegeven referenties onjuist zijn.

Deze fout in Machine Learning treedt op als de opgegeven referenties onjuist zijn.

U krijgt deze fout mogelijk ook als de module geen verbinding kan maken met een HDInsight-cluster.

Resolutie: Controleer de invoer in de module en controleer de accountnaam en het wachtwoord.

Controleer op de volgende problemen die een fout kunnen veroorzaken:

  • Het schema van de gegevensset komt niet overeen met het schema van de doelgegevenstabel.

  • Kolomnamen ontbreken of zijn onjuist gespeld

  • U schrijft naar een tabel met kolomnamen met ongeldige tekens. Normaal gesproken kunt u dergelijke kolomnamen tussen vierkante haken zetten, maar als dat niet werkt, kunt u kolomnamen bewerken om alleen letters en onderstrepingstekens (_) te gebruiken

  • Tekenreeksen die u wilt schrijven, bevatten enkele aanhalingstekens

Als u verbinding probeert te maken met een HDInsight-cluster, controleert u of het doelcluster toegankelijk is met de opgegeven referenties.

Uitzonderingsberichten
Onjuiste referenties worden doorgegeven.
Onjuiste gebruikersnaam '{0}' of wachtwoord wordt doorgegeven

Fout 0072

Er treedt een uitzondering op in het geval van time-out van de verbinding.

Deze fout in Machine Learning treedt op wanneer er een time-out optreedt voor een verbinding. U krijgt deze fout als er momenteel verbindingsproblemen zijn met de gegevensbron of het doel, zoals trage internetverbinding, of als de gegevensset groot is en/of de SQL query om in de gegevens te lezen, gecompliceerde verwerking uitvoert.

Resolutie: Bepaal of er momenteel problemen zijn met trage verbindingen met Azure Storage of internet.

Uitzonderingsberichten
Time-out voor verbinding is opgetreden.

Fout 0073

Er treedt een uitzondering op als er een fout optreedt tijdens het converteren van een kolom naar een ander type.

Deze fout in Machine Learning treedt op wanneer het niet mogelijk is om de kolom te converteren naar een ander type. U ontvangt deze fout als een module een bepaald type vereist en het is niet mogelijk om de kolom te converteren naar het nieuwe type.

Resolutie: Wijzig de invoergegevensset zodat de kolom kan worden geconverteerd op basis van de interne uitzondering.

Uitzonderingsberichten
Kan kolom niet converteren.
Kan kolom niet converteren naar {0}.

Fout 0074

Uitzondering treedt op wanneer de metagegevens bewerken een sparsekolom naar categorisch proberen te converteren.

Deze fout in Machine Learning treedt op wanneer de metagegevens bewerken probeert een sparsekolom te converteren naar categorisch. U krijgt deze fout wanneer u sparsekolommen probeert te converteren naar categorisch met de optie Categorisch maken . Machine Learning biedt geen ondersteuning voor sparse categorische matrices, zodat de module mislukt.

Resolutie: Maak de kolom dicht met behulp van Converteren naar gegevensset of converteer de kolom niet naar categorisch.

Uitzonderingsberichten
Sparsekolommen kunnen niet worden geconverteerd naar Categorisch.

Fout 0075

Uitzondering treedt op wanneer een ongeldige binning-functie wordt gebruikt bij het kwantificeren van een gegevensset.

Deze fout in Machine Learning treedt op wanneer u gegevens probeert te binnen met behulp van een niet-ondersteunde methode of wanneer de parametercombinaties ongeldig zijn.

Oplossing:

Foutafhandeling voor deze gebeurtenis is geïntroduceerd in een eerdere versie van Machine Learning die meer aanpassingen van binning-methoden mogelijk maakt. Momenteel zijn alle binning-methoden gebaseerd op een selectie uit een vervolgkeuzelijst, dus technisch gezien is het niet meer mogelijk om deze fout op te halen.

Als u deze fout krijgt bij het gebruik van de groepsgegevens in de bins-module, kunt u het probleem melden in het Machine Learning-forum, waarbij u de gegevenstypen, parameterinstellingen en het exacte foutbericht opgeeft.

Uitzonderingsberichten
Er is een ongeldige binning-functie gebruikt.

Fout 0077

Uitzondering treedt op wanneer de modus voor het schrijven van onbekende blobbestanden is doorgegeven.

Deze fout in Machine Learning treedt op als er een ongeldig argument wordt doorgegeven in de specificaties voor een blobbestandsbestemming of -bron.

Resolutie: In bijna alle modules die gegevens importeren of exporteren van en naar Azure Blob Storage, worden parameterwaarden die de schrijfmodus beheren, toegewezen met behulp van een vervolgkeuzelijst; Daarom is het niet mogelijk om een ongeldige waarde door te geven en deze fout mag niet worden weergegeven. Deze fout wordt afgeschaft in een latere release.

Uitzonderingsberichten
Modus voor niet-ondersteunde blob-schrijfbewerkingen.
Modus Voor niet-ondersteunde blob-schrijfbewerkingen: {0}.

Fout 0078

Uitzondering treedt op wanneer de HTTP-optie voor Import Data een 3xx-statuscode ontvangt die aangeeft dat omleiding wordt aangegeven.

Deze fout in Machine Learning treedt op wanneer de HTTP-optie voor importgegevens een statuscode van 3xx (301, 302, 304, enzovoort) ontvangt die aangeeft dat omleiding wordt aangegeven. U krijgt deze fout als u probeert verbinding te maken met een HTTP-bron die de browser omleidt naar een andere pagina. Om veiligheidsredenen zijn het omleiden van websites niet toegestaan als gegevensbronnen voor Machine Learning.

Resolutie: Als de website een vertrouwde website is, voert u de omgeleide URL rechtstreeks in.

Uitzonderingsberichten
Http-omleiding is niet toegestaan

Fout 0079

Uitzondering treedt op als de naam van de Azure Storage-container onjuist is opgegeven.

Deze fout in Machine Learning treedt op als de azure-opslagcontainernaam onjuist is opgegeven. U krijgt deze fout als u niet zowel de container als de naam van de blob (bestand) hebt opgegeven met behulp van de pad naar blob die begint met de containeroptie bij het schrijven naar Azure Blob Storage.

Resolutie: Ga opnieuw naar de module Gegevens exporteren en controleer of het opgegeven pad naar de blob zowel de container als de bestandsnaam bevat, in de indelingscontainer/bestandsnaam.

Uitzonderingsberichten
De naam van de Azure Storage-container is onjuist.
De naam van de Azure Storage-container '{0}' is onjuist. Er is een containernaam van de indelingscontainer/blob verwacht.

Fout 0080

Uitzondering treedt op wanneer kolom met alle ontbrekende waarden niet is toegestaan door de module.

Deze fout in Machine Learning wordt gegenereerd wanneer een of meer kolommen die door de module worden gebruikt, alle ontbrekende waarden bevatten. Als een module bijvoorbeeld statistische statistische gegevens voor elke kolom computert, kan deze niet worden uitgevoerd op een kolom zonder gegevens. In dergelijke gevallen wordt de uitvoering van de module gestopt met deze uitzondering.

Resolutie: Ga opnieuw naar de invoergegevensset en verwijder kolommen die alle ontbrekende waarden bevatten.

Uitzonderingsberichten
Kolommen met alle ontbrekende waarden zijn niet toegestaan.
Kolom {0} bevat alle waarden die ontbreken.

Fout 0081

Uitzondering treedt op in de PCA-module als het aantal dimensies dat moet worden verkleind gelijk is aan het aantal functiekolommen in de invoergegevensset, dat ten minste één sparse-functiekolom bevat.

Deze fout in Machine Learning wordt geproduceerd als aan de volgende voorwaarden wordt voldaan: (a) de invoergegevensset heeft ten minste één sparsekolom en (b) het uiteindelijke aantal aangevraagde dimensies is hetzelfde als het aantal invoerdimensies.

Resolutie: Overweeg om het aantal dimensies in de uitvoer te verminderen dat kleiner is dan het aantal dimensies in de invoer. Dit is gebruikelijk in toepassingen van PCA. Zie Principal Component Analysis voor meer informatie.

Uitzonderingsberichten
Voor gegevensset met sparse-functiekolommen moet het aantal dimensies dat moet worden verkleind kleiner zijn dan het aantal functiekolommen.

Fout 0082

Uitzondering treedt op wanneer een model niet kan worden gedeserialiseerd.

Deze fout in Machine Learning treedt op wanneer een opgeslagen machine learning-model of transformatie niet kan worden geladen door een nieuwere versie van de Machine Learning runtime als gevolg van een wijziging die fouten veroorzaakt.

Resolutie: Het trainingsexperiment dat het model of de transformatie heeft geproduceerd, moet opnieuw worden uitgevoerd en het model of de transformatie moet opnieuw worden opgevraagd.

Uitzonderingsberichten
Het model kan niet worden gedeserialiseerd omdat het waarschijnlijk wordt geserialiseerd met een oudere serialisatie-indeling. Het model opnieuw trainen en opnieuw opslaan.

Fout 0083

Uitzondering treedt op als de gegevensset die voor training wordt gebruikt, niet kan worden gebruikt voor concrete typen cursisten.

Deze fout in Machine Learning wordt geproduceerd wanneer de gegevensset niet compatibel is met de cursist die wordt getraind. De gegevensset kan bijvoorbeeld ten minste één ontbrekende waarde in elke rij bevatten, waardoor de hele gegevensset tijdens de training wordt overgeslagen. In andere gevallen verwachten sommige machine learning-algoritmen, zoals anomaliedetectie, geen labels aanwezig te zijn en kunnen deze uitzondering genereren als labels aanwezig zijn in de gegevensset.

Resolutie: Raadpleeg de documentatie van de cursist die wordt gebruikt om de vereisten voor de invoergegevensset te controleren. Bekijk de kolommen om alle vereiste kolommen te zien.

Uitzonderingsberichten
De gegevensset die wordt gebruikt voor training, is ongeldig.
{0} bevat ongeldige gegevens voor training.
{0} bevat ongeldige gegevens voor training. Type learner: {1}.

Fout 0084

Uitzondering treedt op wanneer scores die zijn geproduceerd op basis van een R-script, worden geëvalueerd. Dit wordt momenteel niet ondersteund.

Deze fout in Machine Learning treedt op als u probeert een van de modules te gebruiken voor het evalueren van een model met uitvoer van een R-script dat scores bevat.

Oplossing:

Uitzonderingsberichten
Het evalueren van scores die door R worden geproduceerd, wordt momenteel niet ondersteund.

Fout 0085

Uitzondering treedt op wanneer scriptevaluatie mislukt met een fout.

Deze fout in Machine Learning treedt op wanneer u een aangepast script uitvoert dat syntaxisfouten bevat.

Resolutie: Controleer uw code in een externe editor en controleer op fouten.

Uitzonderingsberichten
Fout tijdens de evaluatie van het script.
De volgende fout is opgetreden tijdens de scriptevaluatie en bekijk het uitvoerlogboek voor meer informatie: ---------- begin van foutbericht van {0} interpreter ---------- {1} ---------- einde van foutbericht van {0} interpreter ----------

Fout 0086

Uitzondering treedt op wanneer een tellingstransformatie ongeldig is.

Deze fout in Machine Learning treedt op wanneer u een transformatie selecteert op basis van een tellingstabel, maar de geselecteerde transformatie niet compatibel is met de huidige gegevens of met de nieuwe tellingstabel.

Resolutie: De module biedt ondersteuning voor het opslaan van de aantallen en regels waaruit de transformatie bestaat in twee verschillende indelingen. Als u tellingstabellen samenvoegt, controleert u of beide tabellen die u wilt samenvoegen dezelfde indeling gebruiken.

Over het algemeen kan een transformatie op basis van aantallen alleen worden toegepast op gegevenssets met hetzelfde schema als de gegevensset waarop de transformatie oorspronkelijk is gemaakt.

Zie Learning met Counts voor algemene informatie. Zie de volgende onderwerpen voor vereisten die specifiek zijn voor het maken en samenvoegen van functies op basis van aantallen:

Uitzonderingsberichten
Ongeldige tellingstransformatie opgegeven.
De tellingstransformatie op invoerpoort '{0}' is ongeldig.
De tellingstransformatie op invoerpoort '{0}' kan niet worden samengevoegd met de tellingstransformatie op invoerpoort '{1}'. Controleer of de metagegevens die worden gebruikt voor het tellen van overeenkomsten controleren.

Fout 0087

Uitzondering treedt op wanneer een ongeldig type tellingstabel is opgegeven voor leren met aantallen modules.

Deze fout in Machine Learning treedt op wanneer u probeert een bestaande tellingstabel te importeren, maar de tabel is niet compatibel met de huidige gegevens of met de nieuwe tellingstabel.

Resolutie: Er zijn verschillende indelingen voor het opslaan van de aantallen en regels waaruit de transformatie bestaat. Als u tellingstabellen samenvoegt, controleert u of beide dezelfde indeling gebruiken.

Over het algemeen kan een transformatie op basis van aantallen alleen worden toegepast op gegevenssets met hetzelfde schema als de gegevensset waarop de transformatie oorspronkelijk is gemaakt.

Zie Learning met Counts voor algemene informatie. Zie de volgende onderwerpen voor vereisten die specifiek zijn voor het maken en samenvoegen van functies op basis van aantallen:

Fout 0088

Uitzondering treedt op wanneer er een ongeldig tellingstype is opgegeven voor het leren met aantallen modules.

Deze fout in Machine Learning treedt op wanneer u een andere tellingsmethode probeert te gebruiken dan wordt ondersteund voor op aantallen gebaseerde featurization.

Resolutie: In het algemeen worden methoden voor tellen gekozen in een vervolgkeuzelijst, dus u zou deze fout niet moeten zien.

Zie Learning met Counts voor algemene informatie. Zie de volgende onderwerpen voor vereisten die specifiek zijn voor het maken en samenvoegen van functies op basis van aantallen:

Uitzonderingsberichten
Er is een ongeldig tellingstype opgegeven.
Het opgegeven teltype '{0}' is geen geldig teltype.

Fout 0089

Uitzondering treedt op wanneer het opgegeven aantal klassen kleiner is dan het werkelijke aantal klassen in een gegevensset die wordt gebruikt voor tellen.

Deze fout in Machine Learning treedt op wanneer u een tellingstabel maakt en de labelkolom een ander aantal klassen bevat dan u hebt opgegeven in de moduleparameters.

Resolutie: Controleer uw gegevensset en ontdek precies hoeveel afzonderlijke waarden (mogelijke klassen) er zijn in de labelkolom. Wanneer u de tellingstabel maakt, moet u ten minste dit aantal klassen opgeven.

De tellingstabel kan niet automatisch het aantal beschikbare klassen bepalen.

Wanneer u de tellingstabel maakt, kunt u geen 0 of een getal opgeven dat kleiner is dan het werkelijke aantal klassen in de labelkolom.

Uitzonderingsberichten
Het aantal klassen is onjuist. Zorg ervoor dat het aantal klassen dat u opgeeft in het parametervenster groter is dan of gelijk is aan het aantal klassen in de labelkolom.
Het aantal opgegeven klassen is '{0}', dat niet groter is dan een labelwaarde '{1}' in de gegevensset die wordt gebruikt om te tellen. Zorg ervoor dat het aantal klassen dat u opgeeft in het parametervenster groter is dan of gelijk is aan het aantal klassen in de labelkolom.

Fout 0090

Uitzondering treedt op wanneer het maken van hive-tabellen mislukt.

Deze fout in Machine Learning treedt op wanneer u exportgegevens of een andere optie gebruikt om gegevens op te slaan in een HDInsight-cluster en de opgegeven Hive-tabel niet kan worden gemaakt.

Resolutie: Controleer de naam van het Azure-opslagaccount dat is gekoppeld aan het cluster en controleer of u hetzelfde account gebruikt in de module-eigenschappen.

Uitzonderingsberichten
De Hive-tabel kan niet worden gemaakt. Zorg ervoor dat voor een HDInsight-cluster de naam van het Azure-opslagaccount dat is gekoppeld aan het cluster, hetzelfde is als wat wordt doorgegeven via de moduleparameter.
De Hive-tabel '{0}' kan niet worden gemaakt. Zorg ervoor dat voor een HDInsight-cluster de naam van het Azure-opslagaccount dat is gekoppeld aan het cluster, hetzelfde is als wat wordt doorgegeven via de moduleparameter.
De Hive-tabel '{0}' kan niet worden gemaakt. Voor een HDInsight-cluster moet u ervoor zorgen dat de naam van het Azure-opslagaccount dat is gekoppeld aan het cluster ," is{1}.

Fout 0100

Uitzondering treedt op wanneer een niet-ondersteunde taal wordt opgegeven voor een aangepaste module.

Deze fout in Machine Learning treedt op bij het bouwen van een aangepaste module en de naameigenschap van het element Taal in een xml-definitiebestand van een aangepaste module heeft een ongeldige waarde. Momenteel is Rde enige geldige waarde voor deze eigenschap. Bijvoorbeeld:

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

Resolutie: Controleer of de naameigenschap van het element Taal in het xml-definitiebestand van de aangepaste module is ingesteld op R. Sla het bestand op, werk het zip-pakket van de aangepaste module bij en probeer de aangepaste module opnieuw toe te voegen.

Uitzonderingsberichten
Niet-ondersteunde aangepaste moduletaal opgegeven

Fout 0101

Alle poort- en parameter-id's moeten uniek zijn.

Deze fout in Machine Learning treedt op wanneer aan een of meer poorten of parameters dezelfde id-waarde wordt toegewezen in een XML-definitiebestand van een aangepaste module.

Resolutie: Controleer of de id-waarden voor alle poorten en parameters uniek zijn. Sla het XML-bestand op, werk het zip-pakket van de aangepaste module bij en probeer de aangepaste module opnieuw toe te voegen.

Uitzonderingsberichten
Alle poort- en parameter-id's voor een module moeten uniek zijn
Module '{0}' heeft dubbele poort-/argument-id's. Alle poort-/argument-id's moeten uniek zijn voor een module.

Fout 0102

Gegenereerd wanneer een ZIP-bestand niet kan worden geëxtraheerd.

Deze fout in Machine Learning treedt op wanneer u een zip-pakket importeert met de .zip-extensie, maar het pakket is geen zip-bestand of het bestand gebruikt geen ondersteunde zip-indeling.

Resolutie: Zorg ervoor dat het geselecteerde bestand een geldig .zip bestand is en of het is gecomprimeerd met behulp van een van de ondersteunde compressiealgoritmen.

Als u deze fout krijgt bij het importeren van gegevenssets in gecomprimeerde indeling, controleert u of alle ingesloten bestanden een van de ondersteunde bestandsindelingen gebruiken en zich in Unicode-indeling bevinden. Zie Zipped Datasets uitpakken voor meer informatie.

Lees de gewenste bestanden naar een nieuwe gecomprimeerde zip-map en probeer de aangepaste module opnieuw toe te voegen.

Uitzonderingsberichten
Het opgegeven ZIP-bestand heeft niet de juiste indeling

Fout 0103

Gegenereerd wanneer een ZIP-bestand geen .xml bestanden bevat

Deze fout in Machine Learning treedt op wanneer het zip-pakket van de aangepaste module geen moduledefinitiebestanden (.xml) bevat. Deze bestanden moeten zich in de hoofdmap van het zip-pakket bevinden (bijvoorbeeld niet in een submap.)

Resolutie: Controleer of een of meer xml-moduledefinitiebestanden zich in de hoofdmap van het zip-pakket bevinden door het te extraheren naar een tijdelijke map op uw schijfstation. Xml-bestanden moeten zich rechtstreeks in de map bevinden waarnaar u het zip-pakket hebt uitgepakt. Zorg ervoor dat wanneer u het zip-pakket maakt dat u geen map selecteert die XML-bestanden bevat om te zipen, omdat hiermee een submap in het zip-pakket wordt gemaakt met dezelfde naam als de map die u hebt geselecteerd om te zipen.

Uitzonderingsberichten
Het opgegeven ZIP-bestand bevat geen moduledefinitiebestanden (.xml bestanden)

Fout 0104

Gegenereerd wanneer een moduledefinitiebestand verwijst naar een script dat niet kan worden gevonden

Deze fout in Machine Learning wordt gegenereerd wanneer een xml-definitiebestand van een aangepaste module verwijst naar een scriptbestand in het taalelement dat niet bestaat in het zip-pakket. Het pad naar het scriptbestand wordt gedefinieerd in de eigenschap sourceFile van het element Language . Het pad naar het bronbestand is relatief ten opzichte van de hoofdmap van het zip-pakket (dezelfde locatie als de XML-definitiebestanden van de module). Als het scriptbestand zich in een submap bevindt, moet het relatieve pad naar het scriptbestand worden opgegeven. Als alle scripts bijvoorbeeld zijn opgeslagen in een myScripts-map in het zip-pakket, moet het element Taal dit pad toevoegen aan de eigenschap sourceFile , zoals hieronder. Bijvoorbeeld:

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

Resolutie: Zorg ervoor dat de waarde van de eigenschap sourceFile in het taalelement van de xml-definitie van de aangepaste module juist is en dat het bronbestand zich in het juiste relatieve pad in het zip-pakket bevindt.

Uitzonderingsberichten
Er bestaat geen R-scriptbestand waarnaar wordt verwezen.
Kan het R-scriptbestand waarnaar{0} wordt verwezen, niet vinden. Zorg ervoor dat het relatieve pad naar het bestand juist is vanaf de locatie van de definities.

Fout 0105

Deze fout wordt weergegeven wanneer een moduledefinitiebestand een niet-ondersteund parametertype bevat

Deze fout in Machine Learning wordt geproduceerd wanneer de xml-definitie van de aangepaste module wordt gemaakt en het type parameter of argument in de definitie niet overeenkomt met een ondersteund type.

Resolutie: Zorg ervoor dat de typeeigenschap van elk Arg-element in het xml-definitiebestand van de aangepaste module een ondersteund type is.

Uitzonderingsberichten
Niet-ondersteund parametertype.
Niet-ondersteund parametertype '{0}' opgegeven.

Fout 0106

Gegenereerd wanneer een moduledefinitiebestand een niet-ondersteund invoertype definieert

Deze fout in Machine Learning wordt geproduceerd wanneer het type invoerpoort in een xml-definitie van een aangepaste module niet overeenkomt met een ondersteund type.

Resolutie: Zorg ervoor dat de typeeigenschap van een invoerelement in het XML-definitiebestand van de aangepaste module een ondersteund type is.

Uitzonderingsberichten
Niet-ondersteund invoertype.
Niet-ondersteund invoertype '{0}' opgegeven.

Fout 0107

Gegenereerd wanneer een moduledefinitiebestand een niet-ondersteund uitvoertype definieert

Deze fout in Machine Learning wordt geproduceerd wanneer het type uitvoerpoort in een xml-definitie van een aangepaste module niet overeenkomt met een ondersteund type.

Resolutie: Zorg ervoor dat de typeeigenschap van een uitvoerelement in het xml-definitiebestand van de aangepaste module een ondersteund type is.

Uitzonderingsberichten
Niet-ondersteund uitvoertype.
Niet-ondersteund uitvoertype '{0}' opgegeven.

Fout 0108

Gegenereerd wanneer een moduledefinitiebestand meer invoer- of uitvoerpoorten definieert dan wordt ondersteund

Deze fout in Machine Learning wordt geproduceerd wanneer er te veel invoer- of uitvoerpoorten zijn gedefinieerd in een xml-definitie van een aangepaste module.

Resolutie: Zorg ervoor dat het maximum aantal invoer- en uitvoerpoorten dat is gedefinieerd in de XML-definitie van de aangepaste module niet groter is dan het maximum aantal ondersteunde poorten.

Uitzonderingsberichten
Het ondersteunde aantal invoer- of uitvoerpoorten is overschreden.
Het aantal ondersteunde{0} poorten is overschreden. Maximum aantal{0} toegestane poorten is '{1}'.

Fout 0109

Gegenereerd wanneer een moduledefinitiebestand een kolomkiezer onjuist definieert

Deze fout in Machine Learning wordt gegenereerd wanneer de syntaxis voor een kolomkiezerargument een fout bevat in een xml-definitie van een aangepaste module.

Resolutie: Deze fout wordt gegenereerd wanneer de syntaxis voor een kolomkiezerargument een fout bevat in een xml-definitie van een aangepaste module.

Uitzonderingsberichten
Niet-ondersteunde syntaxis voor kolomkiezer.

Fout 0110

Gegenereerd wanneer een moduledefinitiebestand een kolomkiezer definieert die verwijst naar een niet-bestaande invoerpoort-id

Deze fout in Machine Learning wordt geproduceerd wanneer de eigenschap portId binnen het element Eigenschappen van een Arg van het type ColumnPicker niet overeenkomt met de id-waarde van een invoerpoort.

Resolutie: Zorg ervoor dat de eigenschap portId overeenkomt met de id-waarde van een invoerpoort die is gedefinieerd in de xml-definitie van de aangepaste module.

Uitzonderingsberichten
Kolomkiezer verwijst naar een niet-bestaande invoerpoort-id.
Kolomkiezer verwijst naar een niet-bestaande invoerpoort-id '{0}'.

Fout 0111

Gegenereerd wanneer een moduledefinitiebestand een ongeldige eigenschap definieert

Deze fout in Machine Learning wordt geproduceerd wanneer een ongeldige eigenschap is toegewezen aan een element in de XML-definitie van de aangepaste module.

Resolutie: Zorg ervoor dat de eigenschap wordt ondersteund door het aangepaste moduleelement.

Uitzonderingsberichten
Eigenschapsdefinitie is ongeldig.
Eigenschapsdefinitie '{0}' is ongeldig.

Fout 0112

Gegenereerd wanneer een moduledefinitiebestand niet kan worden geparseerd

Deze fout in Machine Learning wordt gegenereerd wanneer er een fout is in de XML-indeling waarmee wordt voorkomen dat de XML-definitie van de aangepaste module wordt geparseerd als een geldig XML-bestand.

Resolutie: Zorg ervoor dat elk element juist is geopend en gesloten. Zorg ervoor dat er geen fouten zijn in de XML-opmaak.

Uitzonderingsberichten
Kan het definitiebestand van de module niet parseren.
Kan het definitiebestand van de module niet parseren'{0}.

Fout 0113

Gegenereerd wanneer een moduledefinitiebestand fouten bevat.

Deze fout in Machine Learning wordt geproduceerd wanneer het XML-definitiebestand van de aangepaste module kan worden geparseerd, maar fouten bevat, zoals de definitie van elementen die niet worden ondersteund door aangepaste modules.

Resolutie: Zorg ervoor dat het definitiebestand van de aangepaste module elementen en eigenschappen definieert die worden ondersteund door aangepaste modules.

Uitzonderingsberichten
Moduledefinitiebestand bevat fouten.
Moduledefinitiebestand '{0}' bevat fouten.
Moduledefinitiebestand '{0}' bevat fouten. {1}

Fout 0114

Gegenereerd bij het bouwen van een aangepaste module mislukt.

Deze fout in Machine Learning wordt geproduceerd wanneer een aangepaste module-build mislukt. Dit gebeurt wanneer er een of meer aangepaste modulegerelateerde fouten optreden tijdens het toevoegen van de aangepaste module. De aanvullende fouten worden gerapporteerd in dit foutbericht.

Resolutie: Los de fouten op die zijn gerapporteerd in dit uitzonderingsbericht.

Uitzonderingsberichten
Kan geen aangepaste module bouwen.
Aangepaste module-builds zijn mislukt met fout(en): {0}

Fout 0115

Gegenereerd wanneer een standaardscript voor een aangepaste module een niet-ondersteunde extensie heeft.

Deze fout in Machine Learning treedt op wanneer u een script opgeeft voor een aangepaste module die gebruikmaakt van een onbekende bestandsnaamextensie.

Resolutie: Controleer de bestandsindeling en bestandsnaamextensie van scriptbestanden die zijn opgenomen in de aangepaste module.

Uitzonderingsberichten
Niet-ondersteunde uitbreiding voor standaardscript.
Niet-ondersteunde bestandsverspreiding {0} voor standaardscript.

Fout 0121

Gegenereerd wanneer SQL schrijfbewerkingen mislukt omdat de tabel niet kan worden geschreven

Deze fout in Machine Learning wordt gegenereerd wanneer u de module Gegevens exporteren gebruikt om resultaten op te slaan in een tabel in een SQL-database en de tabel kan niet worden geschreven naar. Normaal gesproken ziet u deze fout als de module Gegevens exporteren een verbinding tot stand brengt met het SQL Server-exemplaar, maar de inhoud van de Azure ML-gegevensset vervolgens niet naar de tabel kan schrijven.

Oplossing:

  • Open het deelvenster Eigenschappen van de module Gegevens exporteren en controleer of de database- en tabelnamen correct zijn ingevoerd.
  • Controleer het schema van de gegevensset die u exporteert en zorg ervoor dat de gegevens compatibel zijn met de doeltabel.
  • Controleer of de SQL aanmelding die is gekoppeld aan de gebruikersnaam en het wachtwoord, machtigingen heeft om naar de tabel te schrijven.
  • Als de uitzondering aanvullende foutinformatie uit SQL Server bevat, gebruikt u die informatie om correcties aan te brengen.
Uitzonderingsberichten
Verbinding met server, kan niet naar de tabel schrijven.
Kan niet schrijven naar sql-tabel: {0}

Fout 0122

Uitzondering treedt op als er meerdere gewichtkolommen zijn opgegeven en er slechts één is toegestaan.

Deze fout in Machine Learning treedt op wanneer er te veel kolommen zijn geselecteerd als gewichtkolommen.

Resolutie: Controleer de invoergegevensset en de bijbehorende metagegevens. Zorg ervoor dat slechts één kolom gewichten bevat.

Uitzonderingsberichten
Er worden meerdere gewichtskolommen opgegeven.

Fout 0123

Uitzondering treedt op als de kolom met vectoren is opgegeven in de kolom Label.

Deze fout in Machine Learning treedt op als u een vector gebruikt als labelkolom.

Resolutie: Wijzig zo nodig de gegevensindeling van de kolom of kies een andere kolom.

Uitzonderingsberichten
Kolom met vectoren wordt opgegeven als labelkolom.

Fout 0124

Uitzondering treedt op als niet-numerieke kolommen zijn opgegeven als de kolom gewicht.

Oplossing:

Uitzonderingsberichten
Niet-numerieke kolom wordt opgegeven als de kolom gewicht.

Fout 0125

Gegenereerd wanneer het schema voor meerdere gegevenssets niet overeenkomt.

Oplossing:

Uitzonderingsberichten
Het gegevenssetschema komt niet overeen.

Fout 0126

Uitzondering treedt op als de gebruiker een SQL domein opgeeft dat niet wordt ondersteund in Azure ML.

Deze fout wordt gegenereerd wanneer de gebruiker een SQL domein opgeeft dat niet wordt ondersteund in Machine Learning. Deze fout wordt weergegeven als u verbinding probeert te maken met een databaseserver in een domein dat niet in de lijst met toegestane servers staat. Momenteel zijn de toegestane SQL domeinen: '.database.windows.net', '.cloudapp.net' of '.database.secure.windows.net'. Dat wil gezegd, de server moet een Azure SQL server of een server in een virtuele machine in Azure zijn.

Resolutie: Ga opnieuw naar de module. Controleer of de SQL databaseserver deel uitmaakt van een van de geaccepteerde domeinen:

  • .database.windows.net

  • .cloudapp.net

  • .database.secure.windows.net

Uitzonderingsberichten
Niet-ondersteund SQL domein.
Het SQL-domein {0} wordt momenteel niet ondersteund in Azure ML

Fout 0127

Grootte van afbeeldings pixel overschrijdt toegestane limiet

Deze fout treedt op als u afbeeldingen leest uit een afbeeldingsgegevensset voor classificatie en de afbeeldingen groter zijn dan het model kan verwerken.

Resolutie: Zie de volgende onderwerpen voor meer informatie over de afbeeldingsgrootte en andere vereisten:

Uitzonderingsberichten
De grootte van de afbeeldings pixel overschrijdt de toegestane limiet.
De grootte van de afbeeldings pixel in het bestand '{0}' overschrijdt de toegestane limiet: '{1}'

Fout 0128

Het aantal voorwaardelijke waarschijnlijkheden voor categorische kolommen overschrijdt de limiet.

Oplossing:

Uitzonderingsberichten
Het aantal voorwaardelijke waarschijnlijkheden voor categorische kolommen overschrijdt de limiet.
Het aantal voorwaardelijke waarschijnlijkheden voor categorische kolommen overschrijdt de limiet. Kolommen '{0}' en '{1}' zijn het problematische paar.

Fout 0129

Het aantal kolommen in de gegevensset overschrijdt de toegestane limiet.

Oplossing:

Uitzonderingsberichten
Het aantal kolommen in de gegevensset overschrijdt de toegestane limiet.
Het aantal kolommen in de gegevensset in '{0}' overschrijdt de toegestane waarde.'
Het aantal kolommen in de gegevensset in '{0}' overschrijdt de toegestane limiet van '{1}'.'
Het aantal kolommen in de gegevensset in '{0}' overschrijdt de toegestane{1} limiet van '{2}'.'

Fout 0130

Uitzondering treedt op wanneer alle rijen in de trainingsgegevensset ontbrekende waarden bevatten.

Dit gebeurt wanneer een kolom in de trainingsgegevensset leeg is.

Resolutie: Gebruik de module Ontbrekende gegevens opschonen om kolommen met alle ontbrekende waarden te verwijderen.

Uitzonderingsberichten
Alle rijen in de trainingsgegevensset bevatten ontbrekende waarden. Overweeg om de module Clean Missing Data te gebruiken om ontbrekende waarden te verwijderen.

Fout 0131

Uitzondering treedt op als een of meer gegevenssets in een zip-bestand niet correct kunnen worden uitgepakt en geregistreerd

Deze fout wordt veroorzaakt wanneer een of meer gegevenssets in een zip-bestand niet correct kunnen worden uitgepakt en gelezen. U krijgt deze fout als het uitpakken mislukt omdat het zip-bestand zelf of een van de bestanden erin beschadigd is of er een systeemfout optreedt tijdens het uitpakken en uitvouwen van een bestand.

Resolutie: Gebruik de details in het foutbericht om te bepalen hoe u kunt doorgaan.

Uitzonderingsberichten
Upload gezipte gegevenssets zijn mislukt
De zip-gegevensset {0} is mislukt met het volgende bericht: {1}
Gezipte gegevensset {0} is mislukt met een {1} uitzondering met het bericht: {2}

Fout 0132

Er is geen bestandsnaam opgegeven voor uitpakken; er zijn meerdere bestanden gevonden in het zip-bestand.

Deze fout wordt gegenereerd wanneer er geen bestandsnaam is opgegeven voor het uitpakken; er zijn meerdere bestanden gevonden in het zip-bestand. U krijgt deze fout als het .zip bestand meer dan één gecomprimeerd bestand bevat, maar u hebt geen bestand opgegeven voor extractie in het tekstvak Gegevensset om uit te pakken , in het deelvenster Eigenschap van de module. Op dit moment kan er slechts één bestand worden geëxtraheerd telkens wanneer de module wordt uitgevoerd.

Resolutie: Het foutbericht bevat een lijst met de bestanden in het .zip-bestand. Kopieer de naam van het gewenste bestand en plak het in het tekstvak Gegevensset om het tekstvak uit te pakken .

Uitzonderingsberichten
Zip-bestand bevat meerdere bestanden; u moet het bestand opgeven om uit te vouwen.
Het bestand bevat meer dan één bestand. Geef het bestand op dat u wilt uitvouwen. De volgende bestanden zijn gevonden: {0}

Fout 0133

Het opgegeven bestand is niet gevonden in het zip-bestand

Deze fout wordt gegenereerd wanneer de bestandsnaam die is ingevoerd in de gegevensset voor het uitpakken van het veld Eigenschap , niet overeenkomt met de naam van een bestand dat in het .zip bestand is gevonden. De meest voorkomende oorzaken van deze fout zijn een typefout of het doorzoeken van het verkeerde archiefbestand om het bestand uit te vouwen.

Resolutie: Ga opnieuw naar de module. Als de naam van het bestand dat u wilt decomprimeren, wordt weergegeven in de lijst met gevonden bestanden, kopieert u de bestandsnaam en plakt u het in het vak Gegevensset om de eigenschap uit te pakken. Als u de gewenste bestandsnaam niet in de lijst ziet, controleert u of u het juiste .zip bestand en de juiste naam voor het gewenste bestand hebt.

Uitzonderingsberichten
Het opgegeven bestand is niet gevonden in het zip-bestand.
Het opgegeven bestand is niet gevonden. De volgende bestanden gevonden: {0}

Fout 0134

Uitzondering treedt op wanneer de labelkolom ontbreekt of onvoldoende gelabelde rijen bevat.

Deze fout treedt op wanneer voor de module een labelkolom is vereist, maar u hebt er geen opgenomen in de kolomselectie of de labelkolom ontbreekt te veel waarden.

Deze fout kan ook optreden wanneer een vorige bewerking de gegevensset wijzigt, zodat er onvoldoende rijen beschikbaar zijn voor een downstreambewerking. Stel dat u een expressie in de module Partition and Sample gebruikt om een gegevensset op waarden te delen. Als er geen overeenkomsten voor uw expressie worden gevonden, is een van de gegevenssets die voortvloeien uit de partitie leeg.

Oplossing:

Als u een labelkolom in de kolomselectie opneemt, maar deze niet wordt herkend, gebruikt u de module Metagegevens bewerken om deze als labelkolom te markeren.

Gebruik de module Gegevens samenvatten om een rapport te genereren dat laat zien hoeveel waarden er ontbreken in elke kolom. Vervolgens kunt u de module Ontbrekende gegevens opschonen gebruiken om rijen met ontbrekende waarden in de labelkolom te verwijderen.

Controleer uw invoergegevenssets om ervoor te zorgen dat deze geldige gegevens bevatten en voldoende rijen om te voldoen aan de vereisten van de bewerking. Veel algoritmen genereren een foutbericht als ze een minimumaantal rijen met gegevens nodig hebben, maar de gegevens slechts een paar rijen of alleen een koptekst bevatten.

Uitzonderingsberichten
Uitzondering treedt op wanneer de labelkolom ontbreekt of onvoldoende gelabelde rijen bevat.
Uitzondering treedt op wanneer de labelkolom ontbreekt of kleiner is dan {0} gelabelde rijen

Fout 0135

Alleen cluster op basis van centroid wordt ondersteund.

Resolutie: Mogelijk krijgt u dit foutbericht te zien als u een clusteringmodel hebt geëvalueerd dat is gebaseerd op een aangepast clustering-algoritme dat geen zwaartepunten gebruikt om het cluster te initialiseren.

U kunt Evaluate Model gebruiken om clusteringmodellen te evalueren die zijn gebaseerd op de K-Means-clusteringmodule . Gebruik voor aangepaste algoritmen de module R-script uitvoeren om een aangepast evaluatiescript te maken.

Uitzonderingsberichten
Alleen cluster op basis van centroid wordt ondersteund.

Fout 0136

Er is geen bestandsnaam geretourneerd; kan het bestand niet verwerken als gevolg hiervan.

Oplossing:

Uitzonderingsberichten
Er is geen bestandsnaam geretourneerd; kan het bestand niet verwerken als gevolg hiervan.

Fout 0137

Azure Storage SDK is een fout opgetreden bij het converteren tussen tabeleigenschappen en gegevenssetkolommen tijdens lezen of schrijven.

Oplossing:

Uitzonderingsberichten
Conversiefout tussen de eigenschap azure-tabelopslag en de kolom gegevensset.
Conversiefout tussen de eigenschap azure-tabelopslag en de kolom gegevensset. Aanvullende informatie: {0}

Fout 0138

Het geheugen is uitgeput en kan de uitvoering van de module niet voltooien. Het verminderen van de gegevensset kan helpen om het probleem te verhelpen.

Deze fout treedt op wanneer voor de module die wordt uitgevoerd meer geheugen is vereist dan beschikbaar is in de Azure-container. Dit kan gebeuren als u met een grote gegevensset werkt en de huidige bewerking niet in het geheugen past.

Resolutie: Als u een grote gegevensset probeert te lezen en de bewerking niet kan worden voltooid, kan downsampling van de gegevensset helpen.

Als u de visualisaties op gegevenssets gebruikt om de kardinaliteit van kolommen te controleren, worden er slechts enkele rijen gemonsterd. Als u een volledig rapport wilt ophalen, gebruikt u Summarize Data. U kunt ook de transformatie toepassen SQL gebruiken om te controleren op het aantal unieke waarden in elke kolom.

Soms kunnen tijdelijke belastingen tot deze fout leiden. Machineondersteuning verandert ook in de loop van de tijd. Zie de Machine Learning veelgestelde vragen over een beschrijving van de ondersteunde gegevensgrootte.

Probeer Principal Component Analysis of een van de beschikbare functieselectiemethoden te gebruiken om uw gegevensset te verminderen tot een kleinere set meer kolommen met veel functies: Functieselectie

Uitzonderingsberichten
Het geheugen is uitgeput en kan de uitvoering van de module niet voltooien.

Fout 0139

Uitzondering treedt op wanneer het niet mogelijk is om een kolom te converteren naar een ander type.

Deze fout in Machine Learning treedt op wanneer u een kolom probeert te converteren naar een ander gegevenstype, maar dat type wordt niet ondersteund door de huidige bewerking of door de module.

De fout kan ook optreden wanneer een module probeert impliciet gegevens te converteren om te voldoen aan de vereisten van de huidige module, maar de conversie is niet mogelijk.

Oplossing:

  1. Controleer uw invoergegevens en bepaal het exacte gegevenstype van de kolom die u wilt gebruiken en het gegevenstype van de kolom die de fout veroorzaakt. Soms denkt u misschien dat het gegevenstype juist is, maar een upstreambewerking het gegevenstype of het gebruik van een kolom heeft gewijzigd. Gebruik de module Metagegevens bewerken om kolommetagegevens opnieuw in te stellen op de oorspronkelijke status.

  2. Bekijk de helppagina van de module om de vereisten voor de opgegeven bewerking te controleren. Bepaal welke gegevenstypen worden ondersteund door de huidige module en welk bereik van waarden wordt ondersteund.

  3. Als waarden moeten worden afgekapt, afgerond of uitbijters moeten worden verwijderd, gebruikt u de modules Wiskundige bewerking of Clipwaarden toepassen om correcties aan te brengen.

  4. Overweeg of het mogelijk is om de kolom te converteren of te casten naar een ander gegevenstype. De volgende modules bieden allemaal aanzienlijke flexibiliteit en kracht voor het wijzigen van gegevens:

Notitie

Werkt het nog steeds niet? Overweeg aanvullende feedback te geven over het probleem, zodat we betere richtlijnen voor probleemoplossing kunnen ontwikkelen. Stuur feedback op deze pagina en geef de naam op van de module die de fout heeft gegenereerd en de conversie van het gegevenstype die is mislukt.

Uitzonderingsberichten
Conversie is niet toegestaan.
Kan het volgende niet converteren: {0}.
Kan het volgende niet converteren: {0}, op rij {1}.
Kan de kolom van het type {0} niet converteren naar een kolom van het type {1} op rij {2}.
Kan kolom '{2}' van het type {0} niet converteren naar kolom van het type {1} op rij {3}.
Kan kolom "{2}" van het type {0} niet converteren naar kolom "{3}" van het type {1} op rij {4}.

Fout 0140

Uitzondering treedt op als het argument doorgegeven kolomset geen andere kolommen bevat, behalve labelkolom.

Deze fout treedt op als u een gegevensset hebt verbonden met een module waarvoor meerdere kolommen zijn vereist, inclusief functies, maar u alleen de labelkolom hebt opgegeven.

Resolutie: Kies ten minste één functiekolom die u wilt opnemen in de gegevensset.

Uitzonderingsberichten
De opgegeven kolomset bevat geen andere kolommen behalve labelkolom.

Fout 0141

Uitzondering treedt op als het aantal geselecteerde numerieke kolommen en unieke waarden in de categorische en tekenreekskolommen te klein is.

Deze fout in Machine Learning treedt op wanneer er onvoldoende unieke waarden in de geselecteerde kolom zijn om de bewerking uit te voeren.

Resolutie: Sommige bewerkingen voeren statistische bewerkingen uit op functie- en categorische kolommen en als er onvoldoende waarden zijn, kan de bewerking mislukken of een ongeldig resultaat retourneren. Controleer uw gegevensset om te zien hoeveel waarden er zijn in de kolommen voor de faturen en labels en om te bepalen of de bewerking die u probeert uit te voeren statistisch geldig is.

Als de brongegevensset geldig is, kunt u ook controleren of bepaalde bewerkingen van upstreamgegevens of metagegevens de gegevens hebben gewijzigd en sommige waarden hebben verwijderd.

Als upstreambewerkingen bestaan uit splitsen, steekproeven of opnieuwamplen, controleert u of de uitvoer het verwachte aantal rijen en waarden bevat.

Uitzonderingsberichten
Het aantal geselecteerde numerieke kolommen en unieke waarden in de categorische en tekenreekskolommen is te klein.
Het totale aantal geselecteerde numerieke kolommen en unieke waarden in de categorische en tekenreekskolommen (momenteel {0}) moet ten minste {1}

Fout 0142

Uitzondering treedt op wanneer het systeem het certificaat niet kan laden om te verifiëren.

Oplossing:

Uitzonderingsberichten
Het certificaat kan niet worden geladen.
Het certificaat {0} kan niet worden geladen. De vingerafdruk is {1}.

Fout 0143

Kan de door de gebruiker opgegeven URL die afkomstig is van GitHub niet parseren.

Deze fout in Machine Learning treedt op wanneer u een ongeldige URL opgeeft en de module een geldige GitHub-URL vereist.

Resolutie: Controleer of de URL verwijst naar een geldige GitHub opslagplaats. Andere sitetypen worden niet ondersteund.

Uitzonderingsberichten
DE URL is niet afkomstig van github.com.
DE URL is niet afkomstig van github.com: {0}

Fout 0144

Door de gebruiker opgegeven GitHub-URL ontbreekt het verwachte onderdeel.

Deze fout in Machine Learning treedt op wanneer u een GitHub bestandsbron opgeeft met een ongeldige URL-indeling.

Resolutie: Controleer of de URL van de GitHub-opslagplaats geldig is en eindigt op \blob\ of \tree\.

Uitzonderingsberichten
Kan GitHub URL niet parseren.
Kan GitHub URL niet parseren (verwacht '\blob\' of '\tree\' na de naam van de opslagplaats):{0}

Fout 0145

Kan de replicatiemap om een of andere reden niet maken.

Deze fout in Machine Learning treedt op wanneer de module de opgegeven map niet kan maken.

Oplossing:

Uitzonderingsberichten
Kan geen replicatiemap maken.

Fout 0146

Wanneer de gebruikersbestanden zijn uitgepakt in de lokale map, kan het gecombineerde pad te lang zijn.

Deze fout in Machine Learning treedt op wanneer u bestanden extraheert, maar sommige bestandsnamen zijn te lang wanneer ze worden uitgepakt.

Resolutie: Bewerk de bestandsnamen zodanig dat het gecombineerde pad en de bestandsnaam niet langer zijn dan 248 tekens.

Uitzonderingsberichten
Replicatiepad is langer dan 248 tekens, verkort de scriptnaam of het pad.

Fout 0147

Kan om een of andere reden geen dingen downloaden van GitHub

Deze fout in Machine Learning treedt op wanneer u de opgegeven bestanden niet kunt lezen of downloaden van GitHub.

Resolutie: Het probleem kan tijdelijk zijn; Mogelijk probeert u de bestanden op een ander moment te openen. Of controleer of u over de benodigde machtigingen beschikt en of de bron geldig is.

Uitzonderingsberichten
GitHub toegangsfout.
GitHub toegangsfout. {0}

Fout 0148

Problemen met onbevoegde toegang tijdens het extraheren van gegevens of het maken van een map.

Deze fout in Machine Learning treedt op wanneer u probeert een map te maken of gegevens uit de opslag te lezen, maar niet over de benodigde machtigingen beschikt.

Oplossing:

Uitzonderingsberichten
Uitzondering voor onbevoegde toegang tijdens het extraheren van gegevens.

Fout 0149

Het gebruikersbestand bestaat niet in GitHub bundel.

Deze fout in Machine Learning treedt op wanneer het opgegeven bestand niet kan worden gevonden.

Oplossing:

Uitzonderingsberichten
GitHub bestand is niet gevonden.
GitHub bestand is niet gevonden.:{0}

Fout 0150

De scripts die afkomstig zijn van het gebruikerspakket kunnen niet worden uitgepakt, waarschijnlijk vanwege een conflict met GitHub bestanden.

Deze fout in Machine Learning treedt op wanneer een script niet kan worden geëxtraheerd, meestal wanneer er een bestaand bestand met dezelfde naam is.

Oplossing:

Uitzonderingsberichten
Kan de bundel niet uitpakken; mogelijke naamconflict met GitHub bestanden.

Fout 0151

Er is een fout opgetreden bij het schrijven naar cloudopslag. Controleer de URL.

Deze fout in Machine Learning treedt op wanneer de module probeert gegevens naar de cloudopslag te schrijven, maar de URL niet beschikbaar of ongeldig is.

Oplossing: Controleer de URL en controleer of deze beschrijfbaar is.

Uitzonderingsberichten
Fout bij het schrijven naar cloudopslag (mogelijk een ongeldige URL).
Fout bij schrijven naar cloudopslag: {0}. Controleer de URL.

Fout 0152

Het Azure-cloudtype is onjuist opgegeven in de modulecontext.

Uitzonderingsberichten
Ongeldig Azure-cloudtype
Ongeldig Azure-cloudtype: {0}

Fout 0153

Het opgegeven opslageindpunt is ongeldig.

Uitzonderingsberichten
Ongeldig Azure-cloudtype
Ongeldig Storage eindpunt:{0}

Fout 0154

De opgegeven servernaam kan niet worden omgezet

Uitzonderingsberichten
De opgegeven servernaam kan niet worden omgezet
De opgegeven server {0}.documents.azure.com kan niet worden omgezet

Fout 0155

De DocDb-client heeft een uitzondering veroorzaakt

Uitzonderingsberichten
De DocDb-client heeft een uitzondering veroorzaakt
DocDb-client: {0}

Fout 0156

Ongeldig antwoord voor HCatalog-server.

Uitzonderingsberichten
Ongeldig antwoord voor HCatalog-server. Controleer of alle services worden uitgevoerd.
Ongeldig antwoord voor HCatalog-server. Controleer of alle services worden uitgevoerd. Foutdetails: {0}

Fout 0157

Er is een fout opgetreden bij het lezen van Azure Cosmos DB vanwege inconsistente of verschillende documentschema's. Lezer vereist dat alle documenten hetzelfde schema hebben.

Uitzonderingsberichten
Gedetecteerde documenten met verschillende schema's. Zorg ervoor dat alle documenten hetzelfde schema hebben

Fout 1000

Uitzondering op interne bibliotheek.

Deze fout wordt opgegeven om onverwerkte interne enginefouten vast te leggen. Daarom kan de oorzaak van deze fout verschillen, afhankelijk van de module die de fout heeft gegenereerd.

Voor meer hulp raden we u aan het gedetailleerde bericht te posten dat de fout bij het Machine Learning forum begeleidt, samen met een beschrijving van het scenario, inclusief de gegevens die als invoer worden gebruikt. Deze feedback helpt ons bij het prioriteren van fouten en het identificeren van de belangrijkste problemen voor verdere werkzaamheden.

Uitzonderingsberichten
Bibliotheek uitzondering.
Bibliotheek uitzondering: {0}
{0} bibliotheek uitzondering: {1}

Meer hulp

Modulefoutcodes

Meer hulp nodig of tips voor probleemoplossing voor Machine Learning? Probeer deze resources: