Устранение неполадок модуля исключения в Машинное обучение Azure с помощью кодов ошибок

Сведения о сообщениях об ошибках и кодах исключений, которые могут возникнуть при использовании модулей в Машинное обучение Azure Studio (классическая модель).

Чтобы устранить эту проблему, просмотрите сведения об ошибке в этой статье, чтобы ознакомиться с общими причинами. Есть два способа получить полный текст сообщения об ошибке в Studio (классическая модель):

  • Щелкните ссылку, Просмотрите журнал вывода в правой области и прокрутите вниз. Подробное сообщение об ошибке отображается в двух последних строках окна.

  • Выберите модуль с ошибкой и щелкните красный значок X. Отображается только соответствующий текст ошибки.

Если текст сообщения об ошибке не полезен, отправьте нам сведения о контексте, а также все необходимые дополнения или изменения. Вы можете отправить отзыв о сообщении об ошибке или посетить форум машинное обучение Azure Studio и опубликовать вопрос.

Ошибка 0001

Исключение возникает, если не удалось найти один или несколько столбцов указанного набора данных.

Эта ошибка возникает при выборе столбца для модуля, если выбранные столбцы не существуют во входном наборе данных. Эта ошибка может возникать, если вы вручную ввели имя столбца или если селектор столбцов предоставил предлагаемый столбец, который не существовал в наборе данных при выполнении эксперимента.

Решение. Повторно откройте модуль, в котором возникает это исключение, и убедитесь, что имя столбца или имена верны и все упомянутые столбцы действительно существуют.

Сообщения об исключении
Не удалось найти один или несколько указанных столбцов
Столбец с именем или индексом " {0} " не найден
Столбец с именем или индексом " {0} " не существует в " {1} "

Ошибка 0002

Исключение возникает, если один или несколько параметров не удалось проанализировать или преобразовать из заданного типа в необходимый для целевого метода тип.

Эта ошибка возникает в Машинном обучении Azure, когда вы указываете параметр в качестве входных данных, а тип значения отличается от ожидаемого и не удается выполнить неявное преобразование.

Решение. Проверьте требования к модулю и определите требуемый тип значения (string, integer, double и т. д.).

Сообщения об исключении
Не удалось выполнить синтаксический анализ параметра
Не удалось проанализировать {0} параметр ""
Не удалось выполнить синтаксический разбор параметра (Convert) " {0} " в " {1} "
Не удалось преобразовать параметр "" {0} из "" {1} в " {2} "
Не удалось преобразовать значение параметра "" в "" {0} {1} {2} в " {3} "
Не удалось преобразовать значение " {0} " в столбце " {1} " из "" {2} в " {3} " с использованием формата "", {4} указанного

Ошибка 0003

Исключение возникает, если один или несколько входных аргументов имеют значение NULL или пусты.

Эта ошибка возникает в Машинном обучении Azure, если какие-либо входные данные или параметры модуля пусты или имеют значение NULL. Эта ошибка может возникать, например, если не введено какое-либо значение для параметра. Это также может произойти, если выбрать набор данных, содержащий отсутствующие значения или пустой набор данных.

Решение.

  • Откройте модуль, в котором возникло исключение, и убедитесь, что указаны все входные данные. Убедитесь, что указаны все необходимые входные данные.
  • Убедитесь, что данные, загружаемые из хранилища Azure, доступны, а имя или ключ учетной записи не изменились.
  • Проверьте входные данные на наличие отсутствующих значений или значений NULL.
  • При использовании запроса к источнику данных убедитесь, что данные возвращаются в нужном формате.
  • Проверьте наличие опечаток или других изменений в спецификации данных.
Сообщения об исключении
Один или несколько входных данных имеют значение null или пусты
Входные данные " {0} " имеют значение null или пусты

Ошибка 0004

Исключение возникает, если параметр меньше или равен определенному значению.

Эта ошибка возникает в Машинном обучении Azure, если параметр в сообщении имеет значение ниже граничного, необходимого модулю для обработки данных.

Решение. Повторно откройте модуль, вызывающий исключение, и измените значение параметра, чтобы оно было больше указанного значения.

Сообщения об исключении
Parameter should be greater than boundary value (Значение параметра должно быть больше граничного значения).
Значение параметра " {0} " должно быть больше {1} .
Параметр " {0} " имеет значение " {1} ", которое должно быть больше {2}

Ошибка 0005

Исключение возникает, если параметр меньше определенного значения.

Эта ошибка возникает в Машинном обучении Azure, если параметр в сообщении имеет значение ниже или равное граничному значению, необходимому модулю для обработки данных.

Решение. Повторно откройте модуль, вызывающий исключение, и измените значение параметра, чтобы оно было больше или равно указанному значению.

Сообщения об исключении
Parameter should be greater than or equal to boundary value (Параметр должен быть больше или равен граничному значению).
Значение параметра " {0} " должно быть больше или равно {1} .
Параметр " {0} " имеет значение " {1} ", которое должно быть больше или равно {2} .

Ошибка 0006

Исключение возникает, если значение параметра больше или равно определенному значению.

Эта ошибка возникает в Машинном обучении Azure, если параметр в сообщении имеет значение выше или равное граничному значению, необходимому модулю для обработки данных.

Решение. Повторно откройте модуль, вызывающий исключение, и измените значение параметра, чтобы оно было меньше указанного значения.

Сообщения об исключении
Parameters mismatch. One of the parameters should be less than another (Несоответствие параметров. Значение одного параметра должно быть меньше значения другого).
Значение параметра " {0} " должно быть меньше значения параметра " {1} ".
Параметр " {0} " имеет значение " {1} ", которое должно быть меньше {2} .

Ошибка 0007

Исключение возникает, если параметр больше определенного значения.

Эта ошибка возникает в Машинном обучении Azure, если в свойствах модуля указано значение, превышающее разрешенное. Например, можно задать данные, которые находятся вне диапазона поддерживаемых дат, или указать, что будут использоваться пять столбцов, когда доступны только три.

Эта ошибка может также возникать, если указать два набора данных, которые необходимо сопоставить. Например, если вы переименовываете столбцы и указываете столбцы по индексу, количество указываемых имен должно совпадать с числом индексов столбцов. Другим примером может служить математическая операция, использующая два столбца, где столбцы должны иметь одинаковое число строк.

Решение.

  • Откройте рассматриваемый модуль и проверьте параметры числовых свойств.
  • Убедитесь, что значения параметров находятся в пределах поддерживаемого диапазона значений для этого свойства.
  • Если модуль принимает несколько входных данных, убедитесь, что данные имеют одинаковый размер.
  • Если у модуля есть несколько свойств, которые можно задать, убедитесь, что связанные свойства имеют соответствующие значения. Например, при использовании данных группы в ячейках, если вы используете параметр для указания пользовательских границ ячейки, количество ячеек должно соответствовать числу значений, указанных в качестве границ ячейки.
  • Проверьте, изменился ли набор или источник данных. Иногда значение, которое работало с предыдущей версией данных, будет выдавать ошибку после того, как число столбцов, тип данных столбца или размер данных изменились.
Сообщения об исключении
Parameters mismatch. One of the parameters should be less than or equal to another. (Несоответствие параметров. Значение одного из параметров должно быть меньше или равно значению другого).
Значение параметра " {0} " должно быть меньше или равно значению параметра " {1} ".
Параметр " {0} " имеет значение " {1} ", которое должно быть меньше или равно {2} .

Ошибка 0008

Исключение возникает, если параметр находится за пределами диапазона.

Эта ошибка возникает в Машинном обучении Azure, если значение параметра в сообщении выходит за пределы граничного значения, необходимого модулю для обработки данных.

Например, эта ошибка отображается при попытке использовать функции добавления строк для объединения двух наборов данных, имеющих разное число столбцов.

Решение. Повторно откройте модуль, вызывающий исключение, и измените значение параметра, чтобы оно находилось в заданном диапазоне.

Сообщения об исключении
Parameter value is not in the specified range (Значение параметра находится за пределами указанного диапазона).
Значение параметра " {0} " находится вне диапазона.
Значение параметра " {0} " должно находиться в диапазоне [ {1} , {2} ].

Ошибка 0009

Исключение возникает, если имя учетной записи хранения Azure или имя контейнера указаны неверно.

Эта ошибка возникает в Машинное обучение Azure Studio (классическая модель) при указании параметров для учетной записи хранения Azure, но имя или пароль не могут быть разрешены. Ошибки в паролях или именах учетных записей могут происходить по многим причинам.

  • Неверный тип учетной записи. Некоторые новые типы учетных записей не поддерживаются для использования с Машинное обучение Studio (классическая модель). Дополнительные сведения см. в статье Модуль импорта данных.
  • Введено неправильное имя учетной записи.
  • Учетная запись больше не существует.
  • Неправильный или измененный пароль учетной записи хранения.
  • Вы не указали имя контейнера или контейнер не существует.
  • Путь к файлу не был полностью указан (путь к большому двоичному объекту).

Решение.

Такие проблемы часто возникают при попытке вручную ввести имя учетной записи, пароль или путь к контейнеру. Рекомендуется использовать новый мастер для модуля импорта данных, который помогает искать и проверять имена.

Также проверьте, удалена ли учетная запись, контейнер или большой двоичный объект. Используйте другую служебную программу службы хранилища Azure, чтобы убедиться, что имя учетной записи и пароль введены правильно и что контейнер существует.

Некоторые новые типы учетных записей не поддерживаются Машинным обучением Azure. Например, новые типы хранилища ("горячее" или "холодное") нельзя использовать для машинного обучения. Как классические учетные записи хранения, так и учетные записи хранения общего назначения работают нормально.

Если указан полный путь к большому двоичному объекту, убедитесь, что путь указан как container/blobname и что контейнер и большой двоичный объект существуют в учетной записи.

Путь не должен содержать начальную косую черту. Например путь /container/blob неверен и должен иметь следующий формат: container/blob.

Ресурсы

Описание различных поддерживаемых вариантов хранения см. в этой статье: Импорт данных в машинное обучение Azure Studio (классическая модель) из различных источников данных в сети с помощью модуля импорт данных .

Примеры экспериментов

Примеры подключения к разным источникам данных см. в Cortana Intelligence Gallery .

Сообщения об исключении
The Azure storage account name or container name is incorrect (Неверное имя учетной записи хранилища или контейнера Azure).
Имя учетной записи хранения Azure " {0} " или имя контейнера " {1} " неверны; ожидалось имя контейнера для контейнера или BLOB-объекта формата.

Ошибка 0010

Исключение возникает, если имена столбцов входных наборов данных должны совпадать, но они не совпадают.

Эта ошибка возникает в Машинном обучении Azure, если индекс столбца в сообщении содержит разные имена столбцов в двух наборах входных данных.

Решение. Используйте модуль изменения метаданных или измените исходный набор данных так, чтобы он совпадал с именем столбца для указанного индекса столбца.

Сообщения об исключении
Columns with corresponding index in input datasets have different names. (Имена столбцов с соответствующим индексом во входных наборах данных отличаются).
Имена столбцов не одинаковы для столбцов {0} (от нуля) входных наборов данных ( {1} и {2} соответственно).

Ошибка 0011

Исключение возникает, если переданный аргумент набора столбцов не применяется к любому из столбцов набора данных.

Эта ошибка возникает в Машинном обучении Azure, если выбранный столбец не соответствует ни одному из столбцов в данном наборе данных.

Кроме того, эта ошибка может возникнуть, если вы не выбрали столбец, а для работы модуля требуется хотя бы один столбец.

Решение. Измените выбор столбца в модуле, чтобы он применялся к столбцам в наборе данных.

Если для модуля требуется выбрать конкретный столбец, например столбец меток, убедитесь, что выбран нужный.

Если выбраны недопустимые столбцы, удалите их и повторно запустите эксперимент.

Сообщения об исключении
Specified column set does not apply to any of dataset columns (Указанный набор столбцов не применяется к каким-либо из столбцов набора данных).
Указанный набор столбцов " {0} " не применяется ни к одному из столбцов набора данных.

Ошибка 0012

Исключение возникает, если не удалось создать экземпляр класса с переданным набором аргументов.

Решение. Эта ошибка не может быть исправлена пользователем и будет признана устаревшей в будущем выпуске.

Сообщения об исключении
Необучение модели, сначала обучить модель.
Обученная модель ( {0} ), используйте обученную модель.

Ошибка 0013

Исключение возникает при передаче в модуль неправильного типа ученика.

Эта ошибка возникает всякий раз, когда обученная модель несовместима с подключенным модулем оценки. Например, при выполнении эксперимента подключение к выходным данным "Train Matchbox рекомендует " для оценки модели (вместо " Оценка Matchbox") приведет к возникновению этой ошибки.

Решение.

Определите тип ученика, создаваемого модулем обучения, и укажите, какой модуль оценки подходит для этого ученика.

Если модель была обучена с помощью любого из специализированных обучающих модулей, подключайте обученную модель только к соответствующему специализированному модулю оценки.

Тип модели Модуль обучения Модуль оценки
любой классификатор Обучение модели или Настройка параметров модели Оценка модели
любая модель регрессии Обучение модели или Настройка параметров модели Оценка модели
модели кластеризации Обучение модели кластеризации или кластеризации очистки Назначение данных в кластеры
обнаружение аномалий — One-Class SVM Обучение модели обнаружения аномалий Оценка модели
обнаружение аномалий — PCA Обучение модели или Настройка параметров модели Оценка модели
Для вычисления модели необходимо выполнить некоторые дополнительные действия.
обнаружение аномалий — временные ряды Time Series Anomaly Detection (Обнаружение аномалий во временных рядах) Моделирование данных и формирование оценок. Модуль не создает обученного обучения и не требует дополнительных оценок.
модель рекомендаций Обучение модели рекомендаций Matchbox Подсистема Score Matchbox
Классификация изображений Предварительно обученная каскадная модель классификации изображений Оценка модели
Модели Vowpal Wabbit Обучение модели Vowpal Wabbit версии 7-4 Оценка Vowpal Wabbit версии 7-4
Модели Vowpal Wabbit Обучение модели Vowpal Wabbit версии 7-10 Оценка Vowpal Wabbit версии 7-10
Модели Vowpal Wabbit Модель обучения Vowpal Wabbit версии 8 Модель оценки Vowpal Wabbit версии 8
Сообщения об исключении
Learner of invalid type is passed (Передан ученик недопустимого типа).
Недопустимый тип "" для изучения " {0} ".

Ошибка 0014

Исключение возникает, если количество уникальных значений столбца больше чем разрешено.

Эта ошибка возникает, когда столбец содержит слишком много уникальных значений. Например, эта ошибка может возникать, если указать, что столбец должен обрабатываться как категориальные данные, но в столбце слишком много уникальных значений, чтобы разрешить завершение обработки. Эта ошибка может также возникнуть в случае несоответствия числа уникальных значений в двух входных значениях.

Решение.

Откройте модуль, создавший ошибку, и найдите столбцы, используемые в качестве входных данных. В некоторых модулях можно щелкнуть правой кнопкой мыши входные данные набора данных и выбрать пункт Визуализировать, чтобы получить статистику по отдельным столбцам, включая количество уникальных значений и их распределение.

Для столбцов, которые предполагается использовать для группирования или категоризации, следует сократить число уникальных значений в столбцах. В зависимости от типа данных столбца их можно уменьшить различными способами.

Совет

Не удается найти решение, соответствующее вашему сценарию? Вы можете отправить отзыв об этом разделе, который содержит имя модуля, в котором возникла ошибка, а также тип данных и количество элементов в столбце. С помощью этих сведений мы сможем предоставить более подробные инструкции по устранению неполадок для распространенных сценариев.

Сообщения об исключении
Число уникальных значений столбца больше допустимого.
Число уникальных значений в столбце: " {0} " превышает число кортежей {1} .

Ошибка 0015

Исключение возникает, если произошел сбой подключения к базе данных.

Эта ошибка возникает при вводе неправильного имени учетной записи SQL, пароля, сервера базы данных или имени базы данных, а также в случае, если подключение к базе данных не удается установить из-за проблем с базой данных или сервером.

Решение. Убедитесь, что имя учетной записи, пароль, сервер базы данных и база данных введены правильно, а указанная учетная запись имеет правильный уровень разрешений. Убедитесь, что база данных в данный момент доступна.

Сообщения об исключении
Error making database connection (Ошибка создания подключения к базе данных).
Ошибка при создании подключения к базе данных: {0} .

Ошибка 0016

Исключение возникает, если входные наборы данных, переданные в модуль, должны иметь совместимые типы столбцов, но на самом деле это не так.

Эта ошибка возникает в Машинном обучении Azure, если типы столбцов, переданные в двух или более наборах данных, несовместимы друг с другом.

Решение: Используйте параметр изменить метаданные, измените исходный входной набор данных или используйте Convert to DataSet , чтобы убедиться, что типы столбцов совместимы.

Сообщения об исключении
Columns with corresponding index in input datasets do have incompatible types (Столбцы с соответствующим индексом во входных наборах данных имеют несовместимые типы).
Столбцы {0} и {1} несовместимы.
Типы элементов столбцов несовместимы для столбцов {0} (от нуля) входных наборов данных ( {1} и {2} соответственно).

Ошибка 0017

Исключение возникает, если в выбранном столбце используется тип данных, который не поддерживается текущим модулем.

Например, эта ошибка может возникать в Машинном обучении Azure, если ваш выбранный столбец содержит столбец с типом данных, который не может быть обработан модулем, например строковый столбец для математической операции или столбец оценки, где требуется столбец категориальных признаков.

Решение.

  1. Найдите столбец, содержащий проблему.
  2. Ознакомьтесь с требованиями модуля.
  3. Измените столбец, чтобы он соответствовал требованиям. Чтобы внести изменения, может потребоваться несколько следующих модулей в зависимости от используемого столбца и преобразования.
    • Используйте модуль изменения метаданных, чтобы изменить тип данных столбцов или изменить значение использования столбца с функционального на числовое, категориального на некатегориальное и т. д.
    • Используйте Convert to DataSet , чтобы убедиться, что все включаемые столбцы используют типы данных, поддерживаемые машинное обучение Azure. Если не удается преобразовать столбцы, рассмотрите возможность их удаления из входного набора данных.
    • Используйте модули « Применить преобразование SQL » или « выполнение скрипта R » для приведения или преобразования любых столбцов, которые нельзя изменить с помощью функции « изменить метаданные». Эти модули обеспечивают большую гибкость при работе с типами данных DateTime.
    • Для числовых типов данных можно использовать модуль Apply Math Operation для округления или усечения значений либо использовать модуль « значения Clip » для удаления значений из диапазона.
  4. В крайнем случае попробуйте изменить исходный входной набор данных.

Совет

Не удается найти решение, соответствующее вашему сценарию? Вы можете отправить отзыв об этом разделе, который содержит имя модуля, в котором возникла ошибка, а также тип данных и количество элементов в столбце. С помощью этих сведений мы сможем предоставить более подробные инструкции по устранению неполадок для распространенных сценариев.

Сообщения об исключении
Cannot process column of current type. The type is not supported by the module (Не удается обработать столбец текущего типа. Тип не поддерживается модулем).
Не удается обработать столбец типа {0} . The type is not supported by the module.
Не удается обработать столбец " {1} " типа {0} . The type is not supported by the module.
Не удается обработать столбец " {1} " типа {0} . The type is not supported by the module. Имя параметра: {2}

Ошибка 0018

Исключение возникает, если входной набор данных не является допустимым.

Решение. Эта ошибка в Машинном обучении Azure может возникать во многих контекстах, поэтому не существует единого решения. Как правило, эта ошибка означает, что данные, предоставленные в качестве входных данных для модуля, имеют неверное число столбцов или что тип данных не соответствует требованиям модуля. Пример:

  • Для модуля требуется столбец метки, но ни один столбец не помечен как столбец меток или вы пока не выбрали столбец метки.

  • Для модуля требуется, чтобы данные были упорядочены, а они представлены в числовом формате.

  • Для модуля требуется конкретный тип данных. Например, оценки, предоставляемые для обучения Matchbox , могут быть либо числовыми, либо категориями, но не могут быть числами с плавающей запятой.

  • Данные имеют неправильный формат.

  • Импортированные данные содержат недопустимые символы, неверные значения или значения, которые выходят за пределы диапазона.

  • Столбец пуст или содержит слишком много отсутствующих значений.

Чтобы определить требования и способ работы с данными, изучите раздел справки модуля, который будет использовать набор данных в качестве входных данных.

Мы также рекомендуем использовать Сводные данные или вычисления простейшей статистики для профилирования данных и использовать эти модули для исправления метаданных и очистки значений: изменить метаданные, очистить отсутствующие данныеи обрезать значения.

Сообщения об исключении
Dataset is not valid (Недопустимый набор данных).
{0} содержит недопустимые данные.
{0} и {1} должны соответствовать разумным столбцам.

Ошибка 0019

Исключение возникает, если столбец должен содержать отсортированные значения, но это не так.

Эта ошибка возникает в Машинном обучении Azure, если указанные значения столбца не упорядочены.

Решение. Отсортируйте значения столбцов путем изменения входного набора данных вручную и повторно запустите модуль.

Сообщения об исключении
Values in column are not sorted (Значения в столбце не сортированы).
Значения в столбце " {0} " не сортируются.
Значения в столбце " {0} " набора данных " {1} " не отсортированы.

Ошибка 0020

Исключение возникает, если количество столбцов в некоторых наборах данных, переданных модулю, слишком мало.

Эта ошибка возникает в Машинном обучении Azure, если для модуля выбрано недостаточное количество столбцов.

Решение. Повторно откройте модуль и убедитесь, что в селекторе столбцов выбрано правильное число столбцов.

Сообщения об исключении
Number of columns in input dataset is less than allowed minimum (Число столбцов во входном наборе данных меньше допустимого минимального значения).
Число столбцов во входном наборе данных меньше допустимого минимума {0} столбцов (ов).
Количество столбцов во входном наборе данных " {0} " меньше допустимого минимума {1} столбцов (ов).

Ошибка 0021

Исключение возникает, если количество строк в некоторых наборах данных, переданных модулю, слишком мало.

Эта ошибка возникает в Машинном обучении Azure, когда в наборе данных недостаточно строк для выполнения указанной операции. Например, эта ошибка может возникать, если входной набор данных пуст или вы пытаетесь выполнить операцию, требующую минимального количества допустимых строк. Такие операции могут включать в себя (помимо прочего) группировку или классификацию на основе статистических методов, несколько типов квантования и обучение с учетом количества.

Решение.

  • Откройте модуль, который возвратил ошибку, и проверьте входной набор данных и свойства модуля.
  • Убедитесь, что входной набор данных не пуст и имеется достаточное количество строк данных для соответствия требованиям, описанным в разделе справки по модулям.
  • Если данные загружаются из внешнего источника, убедитесь, что источник данных доступен и в определении данных нет ошибок или изменений, которые приведут к тому, что в процессе импорта будет меньше строк.
  • При выполнении операций с данными (размещенными выше модуля, который может повлиять на тип данных или на количество значений), таких как очистка, разделение или операции объединения, проверьте выходные данные этих операций, чтобы определить количество возвращаемых строк.

Ошибка 0022

Исключение возникает, если количество выбранных столбцов в наборе входных данных не равно ожидаемому числу.

Эта ошибка в Машинном обучении Azure может возникнуть, если нижестоящему модулю или операции требуется определенное количество столбцов или входных данных, а вы предоставили слишком малое их количество. Пример:

  • Вы указываете один столбец меток или ключевой столбец и случайно выбрали несколько столбцов.

  • Вы переименовываете столбцы, но указываете больше или меньше имен, чем количество столбцов.

  • Число столбцов в источнике или назначении изменилось или не соответствует числу столбцов, используемых модулем.

  • Вы указали список значений с разделителями-запятыми для входных данных, но число значений не совпадает или несколько входных данных не поддерживаются.

Решение. Повторно откройте модуль и проверьте выбор столбца, чтобы убедиться, что выбрано правильное число столбцов. Проверьте выходные данные вышестоящих модулей и требования нисходящих операций.

Если вы использовали один из вариантов выбора столбцов, с помощью которого можно выбрать несколько столбцов (индексы столбцов, все объекты, все числовые значения и т. д.), проверьте точное количество столбцов, возвращаемых выделением.

Если вы пытаетесь указать список наборов данных с разделителями-запятыми в качестве входных данных для распаковки архивов ZIP, распакуйте только один DataSet за раз. Несколько входов не поддерживаются.

Убедитесь, что число или тип вышестоящих столбцов не изменились.

Если для обучения модели используется набор данных рекомендаций, помните, что для рекомендуемого параметра предполагается наличие ограниченного числа столбцов, соответствующих парам "пользователь-элемент" или "пользователь-элемент-ранжирование". Удалите дополнительные столбцы перед обучением модели или разбиением наборов данных рекомендаций. Дополнительные сведения см. в статье Модуль Split Data.

Сообщения об исключении
Number of selected columns in input dataset does not equal to the expected number (Число выбранных столбцов во входном наборе данных не соответствует ожидаемому числу).
Число выбранных столбцов во входном наборе данных не равно {0} .
Шаблон выбора столбцов " {0} " предоставляет число выбранных столбцов во входном наборе данных, не равном {1} .
Ожидается, что шаблон выбора столбцов " {0} " будет указывать {1} столбцы, выбранные во входном наборе данных, но {2} предоставлены столбцы.

Ошибка 0023

Исключение возникает, если целевой столбец входного набора данных не является допустимым для текущего учебного модуля.

Эта ошибка в Машинном обучении Azure возникает, если целевой столбец (выбранный в параметрах модуля) не относится к допустимому типу данных, содержит все пропущенные значения или не является категориальным, как ожидалось.

Решение. Повторно откройте входные данные модуля, чтобы проверить содержимое столбца меток или целевого столбца. Убедитесь, что в нем нет отсутствующих значений. Если модуль ожидает, что целевой столбец будет категориальным, убедитесь, что в целевом столбце имеется несколько различных значений.

Сообщения об исключении
Input dataset has unsupported target column (Входной набор данных содержит неподдерживаемый целевой столбец).
Входной набор данных имеет неподдерживаемый целевой столбец " {0} ".
Входной набор данных имеет неподдерживаемый целевой столбец " {0} " для изучения типа {1} .

Ошибка 0024

Исключение возникает, если набор данных не содержит столбец метки.

Эта ошибка в Машинном обучении Azure возникает, когда модулю требуется столбец меток, а набор данных его не имеет. Например, для вычисления оцененного набора данных обычно требуется наличие столбца меток, чтобы вычислить метрики точности.

Также может произойти, что столбец меток присутствует в наборе данных, но не обнаружен должным образом Машинным обучением Azure.

Решение.

  • Откройте модуль, создавший ошибку, и определите, присутствует ли столбец меток. Имя или тип данных столбца не имеет значения, если столбец содержит один результат (или зависимую переменную), который вы пытаетесь спрогнозировать. Если вы не уверены, какой столбец имеет метку, найдите универсальное имя, например Class или Target.
  • Если набор данных не содержит столбец меток, то возможно, что столбец был явно или случайно удален из вышестоящего модуля. Также может быть, что набор данных не является выходным для вышестоящего модуля оценки.
  • Чтобы явно пометить столбец как столбец меток, добавьте модуль изменения метаданных и подключите набор данных. Выберите только столбец меток и щелкните Label (Метка) в раскрывающемся списке Fields (Поля).
  • Если в качестве метки выбран неправильный столбец, можно выбрать Clear label (Удалить метку) в раскрывающемся списке Fields (Поля), чтобы исправить метаданные в столбце.
Сообщения об исключении
There is no label column in dataset (В наборе данных отсутствует столбец меток).
Столбец меток в " {0} " отсутствует.

Ошибка 0025

Исключение возникает, если набор данных не содержит столбец оценки.

Эта ошибка в Машинном обучении Azure возникает, если входные данные для модели оценки не содержат допустимых столбцов для оценки. Например, пользователь пытается оценить набор данных до того, как он был оценен с помощью правильной обученной модели, или столбец для оценки был явно удален из вышестоящего модуля. Это исключение также возникает, если столбцы оценки в двух наборах данных несовместимы. Например, возможно, вы пытаетесь сравнить точность линейной регрессии с этим двоичным классификатором.

Решение. Пересмотрите входные данные в модели оценки и проверьте, содержит ли она один или несколько столбцов оценки. Если нет, то набор данных не был оценен или столбцы оценки были удалены в вышестоящем модуле.

Сообщения об исключении
There is no score column in dataset (В наборе данных отсутствует столбец оценки).
В "" отсутствует столбец оценки {0} .
В "" нет столбца оценки {0} , созданного символом " {1} ". Score the dataset using the correct type of learner. (В {dataset_name} отсутствует столбец оценки, созданный {learner_type}. Оценка набора данных будет осуществляться с использованием ученика правильного типа).

Ошибка 0026

Исключение возникает, если не допускается использование столбцов с одинаковыми именами.

Эта ошибка в Машинном обучении Azure возникает, если несколько столбцов имеют одно и то же имя. Один из вариантов возникновения этой ошибки — если в наборе данных отсутствует имя строки заголовка, а имена столбцов автоматически назначаются: Col0, Col1 и т. д.

Решение. Если столбцы имеют одинаковое имя, вставьте модуль изменения метаданных между входным набором данных и модулем. Используйте селектор столбцов в модуле изменения метаданных, чтобы выбрать столбцы для переименования, и введите новые имена в текстовом поле New column names (Новые имена столбцов).

Сообщения об исключении
Equal column names are specified in arguments. Equal column names are not allowed by module (В аргументах указаны одинаковые имена столбцов. В модуле не допускаются одинаковые имена столбцов).
Одинаковые имена столбцов в аргументах " {0} " и " {1} " не допускаются. Укажите другие имена.

Ошибка 0027

Исключение возникает в случае, если два объекта должны иметь одинаковый размер, но на самом деле это не так.

Это распространенная ошибка в Машинное обучение Azure, которая может быть вызвана множеством условий.

Решение. Для данной проблемы специального решения не существует. Тем не менее, можно проверить следующие условия:

  • При переименовании столбцов убедитесь, что каждый список (входные столбцы и список новых имен) имеет одинаковое число элементов.

  • При соединении или объединении двух наборов данных убедитесь, что они имеют одну и ту же схему.

  • При соединении двух наборов данных с несколькими столбцами убедитесь, что ключевые столбцы имеют одинаковый тип и выберите параметр Разрешить дубликаты и сохранять порядок столбцов в выделенном фрагменте.

Сообщения об исключении
The size of passed objects is inconsistent (Размер переданных объектов не согласован).
Размер " {0} " не согласуется с размером " {1} ".

Ошибка 0028

Исключение возникает в случае, если набор столбцов содержит повторяющиеся имена столбцов, что недопустимо.

Эта ошибка в Машинном обучении Azure возникает при дублировании имен столбцов, которые не являются уникальными.

Решение. Если столбцы имеют одинаковые имена, добавьте экземпляр модуля изменения метаданных между входным набором данных и модулем, вызвавшим ошибку. Используйте селектор столбцов в модуле изменения метаданных, чтобы выбрать столбцы для переименования, и введите имена новых столбцов в текстовом поле New column names (Новые имена столбцов). При переименовании нескольких столбцов убедитесь, что значения, введенные в поле Новые имена столбцов (Новые имена столбцов), являются уникальными.

Сообщения об исключении
Column set contains duplicated column name(s) (Набор столбцов содержит столбцы с повторяющимися именами).
{0}Повторяющееся имя "".
Имя " {0} " дублируется в " {1} ".

Ошибка 0029

Исключение возникает в случае передачи недопустимого универсального кода ресурса (URI).

Эта ошибка в Машинном обучении Azure возникает в случае, если передан недопустимый универсальный код ресурса (URI). Эта ошибка возникает, если выполняется любое из следующих условий: или.

  • Общедоступный URI или URI SAS, предоставленный для хранилища BLOB-объектов Azure для чтения или записи, содержит ошибку.

  • Срок действия временного интервала для SAS истек.

  • URL-адрес с использованием протокола HTTP представляет файл или URI с замыканием на себя.

  • URL-адрес с использованием протокола HTTP содержит неверно отформатированный URL-адрес.

  • URL-адрес не может быть разрешен удаленным источником.

Решение. Повторно откройте модуль и проверьте формат универсального кода ресурса (URI). Если источником данных является URL-адрес с использованием протокола HTTP, убедитесь, что предполагаемый источник не является файлом или URI с замыканием на себя (localhost).

Сообщения об исключении
Invalid URI is passed (Передан недопустимый URI).

Ошибка 0030

Исключение возникает, если не удается загрузить файл.

Это исключение в Машинном обучении Azure возникает, если невозможно загрузить файл. Это исключение будет получено, если попытка чтения из источника HTTP завершилась сбоем после трех (3) повторных попыток.

Решение. Убедитесь, что URI-адрес источника HTTP указан правильно и что сайт в данный момент доступен в сети Интернет.

Сообщения об исключении
Unable to download a file (Не удалось скачать файл).
Ошибка при скачивании файла: {0} .

Ошибка 0031

Исключение возникает, если количество столбцов в наборе столбцов меньше необходимого.

Эта ошибка в Машинном обучении Azure возникает, если выбранное число столбцов меньше необходимого. Эта ошибка возникает, если не выбрано минимальное требуемое число столбцов.

Решение. Добавьте дополнительные столбцы к выбранному столбцу с помощью селектора столбцов.

Сообщения об исключении
Number of columns in column set is less than required (Количество столбцов в наборе столбцов меньше необходимого).
{0} необходимо указать столбцы. Фактическое число указанных столбцов: {1}.

Ошибка 0032

Исключение возникает, если аргумент не является числом.

Эта ошибка возникает в Машинном обучении Azure, если аргумент дублируется или имеет значение NaN (не число).

Решение. Измените указанный аргумент, чтобы использовать допустимое значение.

Сообщения об исключении
Argument is not a number (Аргумент не является числом).
" {0} " не является числом.

Ошибка 0033

Исключение возникает, если аргумент — бесконечность.

Эта ошибка в Машинном обучении Azure возникает, если аргумент имеет бесконечное значение. Эта ошибка возникает, если аргумент имеет значение double.NegativeInfinity или double.PositiveInfinity.

Решение. Измените указанный аргумент, чтобы использовать допустимое значение.

Сообщения об исключении
Аргумент должен быть конечным.
" {0} " не является конечным.

Ошибка 0034

Исключение возникает, если для данной пары "пользователь-элемент" существует более одной оценки.

Эта ошибка в Машинном обучении Azure возникает в рекомендации, если в паре "пользователь-элемент" содержится более одного значения оценки.

Решение. Убедитесь, что в паре "пользователь-элемент" имеется только одно значение оценки.

Сообщения об исключении
More than one rating exists for the value(s) in dataset (В наборе данных существует несколько оценок для значений).
Более одной оценки для пользователя {0} и элемента {1} в таблице прогнозирующих данных рейтинга.

Ошибка 0035

Исключение возникает, если для данного пользователя или элемента не были предоставлены какие-либо признаки.

Эта ошибка в Машинном обучении Azure возникает при попытке использовать модель рекомендаций для оценки, когда невозможно найти вектор функций.

Решение.

В модели рекомендаций Matchbox требуется соблюдать определенные требования, которые должны быть выполнены при использовании признаков элементов или признаков пользователя. Эта ошибка означает, что для пользователя или элемента, указанного в качестве входных данных, отсутствует вектор признаков. Необходимо убедиться, что для каждого пользователя или элемента в данных доступен вектор функций.

Например, если вы обучили модель рекомендаций с помощью таких признаков, как возраст пользователя, местоположение или доход, но теперь хотите создать оценки для новых пользователей, которые не были оценены во время обучения, необходимо предоставить для новых пользователей какой-либо эквивалентный набор признаков (а именно, возраст, расположение и доходы), чтобы создать соответствующие прогнозы.

Если у вас нет признаков для этих пользователей, сконструируйте соответствующие признаки. Например, если отсутствуют индивидуальные значения возраста или дохода пользователя, можно создать приблизительные значения, которые будут использоваться для группы пользователей.

При оценке из режима рекомендации можно использовать функции элемента или пользователя только в том случае, если вы ранее использовали элементы или пользовательские функции во время обучения. Дополнительные сведения см. в разделе Matchbox рекомендации по оценке.

Общие сведения о принципах работы алгоритма рекомендации Matchbox и подготовке набора данных о функциях элементов или пользовательских функциях см. в разделе обучение Matchbox.

Совет

Решение неприменимо к вашему случаю? Вы можете отправить отзыв об этой статье и предоставить сведения о сценарии, включая модуль и число строк в столбце. Эти сведения будут использоваться для предоставления более подробных инструкций по устранению неполадок в будущем.

Сообщения об исключении
No features were provided for a required user or item (Признаки не предоставлены для пользователя или элемента).
Функции для {0} обязательных, но не предоставленных.

Ошибка 0036

Исключение возникает, если для данного пользователя или элемента было предоставлено несколько векторов признаков.

Эта ошибка в Машинном обучении Azure возникает, если вектор признаков указан несколько раз.

Решение. Убедитесь, что вектор признаков не указан несколько раз.

Сообщения об исключении
Duplicate feature definition for a user or item (Повторяющееся определение признака для пользователя или элемента).
Повторяющееся определение компонента для {0} .

Ошибка 0037

Исключение возникает, если указано несколько столбцов метки, а допускается только один.

Эта ошибка в Машинном обучении Azure возникает, если выбрано несколько столбцов в качестве нового столбца меток. Для большинства управляемых алгоритмов обучения необходимо, чтобы один столбец был помечен как целевой столбец или столбец меток.

Решение. Выберите один столбец в качестве нового столбца меток.

Сообщения об исключении
Multiple label columns are specified (Указано несколько столбцов меток).

Ошибка 0038

Исключение возникает, если количество ожидаемых элементов не равно требуемому.

Эта ошибка в Машинное обучение Azure возникает, если ожидаемое число элементов должно быть точным значением, но не равно. Эта ошибка возникает, если число элементов не равно действительному ожидаемому значению.

Решение: Измените входные данные, чтобы они имели правильное число элементов.

Сообщения об исключении
Недопустимое количество элементов.
Недопустимое число элементов в " {0} ".
Число элементов в " {0} " не равно допустимому числу {1} элементов.

Ошибка 0039

Исключение возникает, если не удалось выполнить операцию.

Эта ошибка в Машинном обучении Azure возникает, когда не удается выполнить внутреннюю операцию.

Решение. Эта ошибка вызвана множеством условий, и не существует конкретного решения.
В следующей таблице содержатся общие сообщения об этой ошибке, за которыми следует определенное описание условия.

Если сведения недоступны, отправьте отзыв и предоставьте сведения о модулях, которые сформировали ошибку и связанные с ними условия.

Сообщения об исключении
Ошибка при выполнении операции.
Ошибка при выполнении операции: {0} .

Ошибка 0040

Исключение возникает при вызове неиспользуемого модуля.

Эта ошибка в Машинное обучение Azure создается при вызове нерекомендуемого модуля.

Решение: Замените нерекомендуемый модуль на поддерживаемый. Сведения о том, какой модуль следует использовать, см. в журнале вывода модуля.

Сообщения об исключении
Доступ к устаревшему модулю.
Модуль " {0} " является устаревшим. Вместо этого используйте модуль " {1} ".

Ошибка 0041

Исключение возникает при вызове неиспользуемого модуля.

Эта ошибка в Машинное обучение Azure создается при вызове нерекомендуемого модуля.

Решение: Замените устаревший модуль набором поддерживаемых. Эти сведения должны отображаться в выходном журнале модуля.

Сообщения об исключении
Доступ к устаревшему модулю.
Модуль " {0} " является устаревшим. Используйте модули " {1} " для запрошенной функциональности.

Ошибка 0042

Исключение возникает, если невозможно преобразовать столбец в другой тип.

Эта ошибка в Машинном обучении Azure возникает, когда невозможно преобразовать столбец в указанный тип. Эта ошибка возникает, если модулю требуется определенный тип данных, например DateTime, текст, число с плавающей запятой или целое число, но невозможно преобразовать существующий столбец в требуемый тип.

Например, можно выбрать столбец и попытаться преобразовать его в числовой тип данных для использования в математической операции и получить эту ошибку, если столбец содержал недопустимые данные.

Другая причина может возникать при попытке использовать столбец, содержащий числа с плавающей запятой или множество уникальных значений в качестве столбца категорий.

Решение.

  • Откройте страницу справки для модуля, создавшего ошибку, и проверьте требования к типу данных.
  • Проверьте типы данных столбцов во входном наборе данных.
  • Проверьте данные, исходящие из так называемых источников данных без схем.
  • Проверьте набор данных на наличие отсутствующих значений или специальных символов, которые могут блокировать преобразование в нужный тип данных.
    • Числовые типы данных должны быть одинаковыми: например, проверьте наличие чисел с плавающей запятой в столбце целых чисел.
    • Поищите текстовые строки или значения Н/Д в столбце чисел.
    • Логические значения можно преобразовать в соответствующее представление в зависимости от требуемого типа данных.
    • Проверьте текстовые столбцы на наличие символов в кодировке, отличной от Юникода, знаков табуляции или управляющих символов.
    • Данные типа Datetime должны быть согласованными, чтобы избежать ошибок моделирования, но очистка может быть сложной из-за множества форматов. Для выполнения очистки рассмотрите возможность использования модулей выполнения скрипта R или выполнения скриптов Python .
  • При необходимости измените значения во входном наборе данных, чтобы столбец мог быть успешно преобразован. Изменения могут включать в себя операции группирования, усечения или округления, исключения выбросов или добавления отсутствующих значений. Сведения о некоторых распространенных сценариях преобразования данных в машинном обучении см. в следующих статьях:

Совет

Решение не понятно или неприменимо к вашему случаю? Вы можете отправить отзыв об этой статье и предоставить сведения о сценарии, включая модуль и тип данных в столбце. Эти сведения будут использоваться для предоставления более подробных инструкций по устранению неполадок в будущем.

Сообщения об исключении
Not allowed conversion (Преобразование не допускается).
Не удалось преобразовать столбец типа {0} в столбец типа {1} .
Не удалось преобразовать столбец " {2} " типа {0} в столбец типа {1} .
Не удалось преобразовать столбец " {2} " типа {0} в столбец " {3} " типа {1} .

Ошибка 0043

Исключение возникает, если тип элемента реализует эквивалентность неявным образом.

Эта ошибка в Машинное обучение Azure не используется и будет считаться устаревшей.

Решение. Нет.

Сообщения об исключении
Не удалось найти доступный явный метод Equals.
Не удается сравнить значения для столбца \ " {0} \ " типа {1} . Не удалось найти доступный явный метод Equals.

Ошибка 0044

Исключение возникает, если невозможно получить тип элемента столбца из существующих значений.

Эта ошибка в Машинном обучении Azure возникает, когда невозможно определить тип столбца или столбцов в наборе данных. Обычно это происходит при объединении двух или более наборов данных с разными типами элементов. Если Машинному обучению Azure не удается определить общий тип, который способен представлять все значения в столбце или столбцах без потери данных, это приведет к возникновению этой ошибки.

Решение. Убедитесь, что все значения в данном столбце в обоих объединяемых наборах данных имеют один и тот же тип (числовой, логический, категориальный, строковый, дата и т. д.) или может быть приведен к тому же типу.

Сообщения об исключении
Cannot derive element type of the column (Не удается создать производный тип элемента столбца).
Невозможно наследовать тип элемента для столбца " {0} " — все элементы являются пустыми ссылками.
Невозможно наследовать тип элемента для столбца " {0} " набора данных " {1} " — все элементы являются пустыми ссылками.

Ошибка 0045

Исключение возникает, если невозможно создать столбец из-за смешанных типов элементов в источнике.

Эта ошибка в Машинном обучении Azure возникает, если типы элементов двух объединяемых наборов данных отличаются.

Решение. Убедитесь, что все значения в данном столбце в обоих объединяемых наборах данных имеют один и тот же тип (числовой, логический, категориальный, строковый, дата и т. д.).

Сообщения об исключении
Cannot create column with mixed element types (Не удается создать столбец со смешанными типами элементов).
Не удается создать столбец с ИДЕНТИФИКАТОРом " {0} " типов смешанных элементов: \ н\ттипе данных [ {1} , {0} ] {2} \н\ттипе данных [ {3} , {0} ] имеет значение {4} .

Ошибка 0046

Исключение возникает, если невозможно создать каталог по указанному пути.

Эта ошибка в Машинном обучении Azure возникает, когда невозможно создать каталог по указанному пути. Эта ошибка возникает, если какая-либо часть пути к выходному каталогу для запроса Hive неверна или недоступна.

Решение. Повторно откройте модуль и убедитесь, что путь к каталогу правильно отформатирован и доступен с использованием текущих учетных данных.

Сообщения об исключении
Укажите допустимый выходной каталог.
Каталог: {0} не может быть создан. Укажите допустимый путь.

Ошибка 0047

Исключение возникает, если количество столбцов признаков в некоторых наборах данных, переданных модулю, слишком мало.

Эта ошибка в Машинном обучении Azure возникает, если входной набор данных для обучения не содержит минимальное число столбцов, необходимое для алгоритма. Обычно либо набор данных пуст, либо содержит только столбцы для обучения.

Решение: Повторно перейдите к входному набору данных, чтобы убедиться в наличии одного или нескольких дополнительных столбцов, отличных от столбца меток.

Сообщения об исключении
Number of feature columns in input dataset is less than allowed minimum (Число столбцов признаков во входном наборе данных меньше допустимого минимального значения).
Число столбцов компонента во входном наборе данных меньше допустимого минимума {0} столбцов.
Число столбцов компонента во входном наборе данных " {0} " меньше допустимого минимума {1} столбцов.

Ошибка 0048

Исключение возникает в случае, если не удается открыть файл.

Эта ошибка в Машинном обучении Azure возникает, когда невозможно открыть файл для чтения или записи. Эта ошибка может возникнуть по следующим причинам:

  • Контейнер или файл (большой двоичный объект) не существует.

  • Уровень доступа к файлу или контейнеру не позволяет получить доступ к файлу.

  • Файл слишком велик для чтения или имеет неправильный формат.

Решение. Повторно откройте модуль и файл, который вы пытаетесь прочитать.

Проверьте правильность имен контейнера и файла.

Используйте классический портал Azure или средство хранилища Azure, чтобы убедиться, что у вас есть разрешение на доступ к файлу.

Если вы пытаетесь прочитать файл изображения, убедитесь, что он соответствует требованиям для файлов изображений с точки зрения размера, количества пикселей и т. д. Дополнительные сведения см. в разделе Импорт изображений.

Сообщения об исключении
Unable to open a file (Не удалось открыть файл).
Ошибка при открытии файла: {0} .

Ошибка 0049

Исключение возникает в случае, если не удается выполнить анализ файла.

Эта ошибка в Машинном обучении Azure возникает, когда невозможно выполнить анализ файла. Эта ошибка возникает, если формат файла, выбранный в модуле импорта данных, не соответствует реальному формату файла или если файл содержит нераспознаваемый символ.

Решение. Повторно откройте модуль и исправьте выбор формата файла, если он не соответствует формату файла. При возможности проверьте файл, чтобы убедиться, что он не содержит недопустимых символов.

Сообщения об исключении
Unable to parse a file (Не удалось выполнить анализ файла).
Ошибка при синтаксическом анализе файла: {0} .

Ошибка 0050

Исключение возникает в случае, если входные и выходные файлы совпадают.

Решение: Эта ошибка в Машинное обучение Azure не используется и будет считаться устаревшей.

Сообщения об исключении
Указанные файлы для ввода и вывода не могут совпадать.

Ошибка 0051

Исключение возникает в случае, если несколько выходных файлов совпадают.

Решение: Эта ошибка в Машинное обучение Azure не используется и будет считаться устаревшей.

Сообщения об исключении
Указанные файлы для вывода не могут совпадать.

Ошибка 0052

Исключение возникает, если ключ учетной записи хранилища Azure указан неправильно.

Эта ошибка в Машинном обучении Azure возникает, если ключ, используемый для доступа к учетной записи хранения Azure, неправильный. Например, эта ошибка может возникать, если ключ хранилища Azure был усечен при копировании и вставке, а также при использовании неправильного ключа.

Дополнительные сведения о том, как получить ключ для учетной записи хранения Azure, см. в статье Создание учетной записи хранения Azure.

Решение. Повторно откройте модуль и убедитесь, что ключ к хранилищу Azure указан правильно для учетной записи. При необходимости скопируйте ключ на классическом портале Azure.

Сообщения об исключении
The Azure storage account key is incorrect (Неверный ключ учетной записи хранилища Azure).

Ошибка 0053

Исключение возникает, если отсутствуют признаки пользователей или элементы для рекомендаций подсистемы Matchbox.

Эта ошибка в Машинном обучении Azure возникает, если не удается найти вектор признаков.

Решение. Убедитесь, что во входном наборе данных содержится вектор признаков.

Сообщения об исключении
User features or/and items are required but not provided (Не предоставлены обязательные признаки пользователя или элементы).

Ошибка 0054

Исключение возникает, если количество уникальных значений в столбце, необходимых для завершения операции, слишком мало.

Решение: Эта ошибка в Машинное обучение Azure не используется и будет считаться устаревшей.

Сообщения об исключении
Данные в указанном столбце содержат слишком мало индивидуальных значений для завершения операции.
Данные в указанном столбце содержат слишком мало индивидуальных значений для завершения операции. Минимально необходимый минимум — {0} элементы.
Данные в столбце "{1}" содержат слишком мало индивидуальных значений для завершения операции. Минимально необходимый минимум — {0} элементы.

Ошибка 0055

Исключение возникает при вызове неиспользуемого модуля.

Эта ошибка в Машинное обучение Azure появляется при попытке вызвать нерекомендуемый модуль.

Решение.

Сообщения об исключении
Доступ к устаревшему модулю.
Модуль " {0} " является устаревшим.

Ошибка 0056

Исключение возникает, если выбранные для операции столбцы нарушают требования.

Эта ошибка в Машинном обучении Azure возникает при выборе столбцов для операции, для которой требуется, чтобы столбец был определенного типа данных.

Эта ошибка также может возникать, если столбец имеет правильный тип данных, но для модуля, который вы используете, требуется, чтобы столбец был также помечен как признак, метка или столбец категорий.

Например, для модуля Преобразование в значения индикатора необходимо, чтобы столбцы были упорядочены, и вызовет эту ошибку при выборе столбца функции или метки.

Решение.

  1. Проверьте тип данных столбцов, которые выбраны в данный момент.

  2. Проверьте, являются ли выбранные столбцы столбцами категорий, меток или признаков.

  3. Изучите раздел справки для модуля, в котором сделан выбор столбцов, чтобы определить, существуют ли особые требования для использования типа данных или столбца.

  4. Используйте модуль изменения метаданных, чтобы изменить тип столбца на время выполнения операции. Не забудьте изменить тип столбца обратно на его исходное значение, используя другой экземпляр модуля изменения метаданных, если он необходим для выполнения последующих операций.

Сообщения об исключении
One or more selected columns were not in an allowed category (Один или несколько выделенных столбцов принадлежали неразрешенной категории).
Столбец с именем " {0} " не входит в допустимую категорию.

Ошибка 0057

Исключение возникает при попытке создать уже существующий файл или большой двоичный объект.

Это исключение возникает при использовании модуля Export Data (экспорт данных ) или другого модуля для сохранения результатов эксперимента в машинное обучение Azure в хранилище BLOB-объектов Azure, но вы пытаетесь создать уже существующий файл или большой двоичный объект.

Решение.

Эта ошибка возникает только в том случае, если ранее для параметра Azure blob storage write mode (Режим записи BLOB-объектов Azure) было задано значение Error (Ошибка). Этот модуль выдает ошибку при попытке записать набор данных в уже существующий большой двоичный объект.

  • Откройте свойства модуля и измените свойство Azure blob storage write mode (Режим записи BLOB-объектов Azure) на Overwrite (Перезаписать).
  • Кроме того, можно ввести имя другого целевого большого двоичного объекта или файла и указать большой двоичный объект, который еще не существует.
Сообщения об исключении
File or Blob already exists (Файл или большой двоичный объект уже существует).
Файл или BLOB-объект " {0} " уже существует.

Ошибка 0058

Эта ошибка в Машинном обучении Azure возникает, если набор данных не содержит ожидаемого столбца меток.

Это исключение также может возникать, если указанный столбец меток не соответствует данным или типам данных, ожидаемым учеником, или имеет неверные значения. Например, это исключение создается, если при обучении двоичного классификатора используется столбец меток с реальным значением.

Решение. Решение зависит от выбранного ученика или модуля обучения, а также от типов данных столбцов в наборе данных. Сначала проверьте требования к алгоритму машинного обучения или модулю обучения.

Повторно откройте набор входных данных. Убедитесь, что столбец, который должен обрабатываться как метка, имеет правильный тип данных для создаваемой модели.

Проверьте отсутствующие значения во входных данных и исключите или замените их при необходимости.

При необходимости добавьте модуль изменения метаданных и убедитесь, что столбец метки помечен как метка.

Сообщения об исключении
Столбец меток отличается от ожидаемого
Столбец меток не соответствует ожидаемому в " {0} ".
Столбец меток " {0} " не ожидается в " {1} ".

Ошибка 0059

Исключение возникает, если не удается проанализировать индекс столбца, указанный в средстве выбора столбцов.

Эта ошибка в Машинном обучении Azure возникает, если не удается выполнить синтаксический анализ индекса столбца, указанного при использовании селектора столбцов. Эта ошибка возникает, если индекс столбца имеет недопустимый формат, который не удается проанализировать.

Решение. Измените индекс столбца, чтобы использовать допустимое значение индекса.

Сообщения об исключении
One or more specified column indexes or index ranges could not be parsed (Не удалось проанализировать один или несколько индексов столбца или диапазонов индекса).
{0}Не удалось проанализировать индекс столбца или диапазон "".

Ошибка 0060

Исключение возникает, если в средстве выбора столбцов указан ряд столбцов вне диапазона.

Эта ошибка в Машинном обучении Azure возникает, если диапазон столбцов вне допустимого диапазона указан в селекторе столбцов. Эта ошибка возникает, если диапазон столбцов в селекторе столбцов не соответствует столбцам в наборе данных.

Решение. Измените диапазон столбцов в средстве выбора столбцов в соответствии со столбцами в наборе данных.

Сообщения об исключении
Invalid or out of range column index range specified (Указан недопустимый индекс столбца или индекс выходит за диапазон).
Диапазон столбцов " {0} " недопустим или выходит за пределы допустимого диапазона.

Ошибка 0061

Исключение возникает при попытке добавить строку в объект DataTable, количество столбцов в котором отличается от количества столбцов в таблице.

Эта ошибка в Машинном обучении Azure возникает при попытке добавить строку в набор данных, который имеет другое количество столбцов, чем набор данных. Эта ошибка возникает, если строка, добавляемая в набор данных, имеет другое количество столбцов, чем входной набор данных. Строку нельзя добавить к набору данных, если число столбцов отличается.

Решение. Измените входной набор данных так, чтобы количество столбцов было таким же, как и в добавленной строке, или измените добавленную строку, чтобы она содержала то же количество столбцов, что и набор данных.

Сообщения об исключении
All tables must have the same number of columns (Количество столбцов во всех таблицах должно быть одинаковым).

Ошибка 0062

Исключение возникает при попытке сравнить две модели с различными типами учеников.

Эта ошибка в Машинном обучении Azure возникает, если не удается сравнить метрики оценки двух разных оценочных наборов данных. В этом случае невозможно сравнить эффективность моделей, используемых для создания двух оценочных наборов данных.

Решение. Убедитесь, что результаты оценки создаются тем же типом модели машинного обучения (двоичная классификация, регрессия, многоклассовая классификация, рекомендация, кластеризация, обнаружение аномалий и т. д.). Все сопоставляемые модели должны использовать один тип ученика.

Сообщения об исключении
All models must have the same learner type (Все модели должны использовать один тип ученика).

Ошибка 0063

Это исключение возникает при сбое оценки скрипта R с ошибкой.

Эта ошибка возникает, когда вы предоставили скрипт R в одном из модулей языка R в машинное обучение Azure, а код R содержит внутренние синтаксические ошибки. Исключение также может возникать, если в скрипт R предоставлены неверные входные данные.

Эта ошибка также может возникать, если скрипт слишком велик для выполнения в рабочей области. Максимальный размер скрипта для модуля « выполнение сценария R » составляет 1 000 строк или 32 КБ рабочего пространства, в зависимости от того, что меньше.

Решение:

  1. В Машинное обучение Azure Studio (классическая модель) щелкните правой кнопкой мыши модуль, который содержит ошибку, и выберите Просмотреть журнал.
  2. Изучите Стандартный журнал ошибок модуля, который содержит трассировку стека.
    • Строки, начинающиеся с [Модулеаутпут], указывают выходные данные из R.
    • Сообщения от R, помеченные как предупреждения , обычно не приводят к сбою эксперимента.
  3. Устранение неполадок сценария.
    • Проверьте синтаксические ошибки R. Проверьте наличие переменных, которые определены, но не заполнены.
    • Проверьте входные данные и скрипт, чтобы определить, используют ли данные или переменные в скрипте символы, не поддерживаемые Машинное обучение Azure.
    • Проверьте, установлены ли все зависимости пакета.
    • Проверьте, загружает ли ваш код необходимые библиотеки, которые не были загружены по умолчанию.
    • Проверьте, являются ли требуемые пакеты правильной версией.
    • Убедитесь, что любой набор данных, который требуется вывести, преобразован в кадр данных.
  4. Повторно отправьте эксперимент.

Примечание

Эти разделы содержат примеры кода R, которые можно использовать, а также ссылки на эксперименты в Cortana Intelligence Gallery , использующих скрипт R.

Сообщения об исключении
Ошибка во время вычисления скрипта R.
Во время вычисления скрипта r произошла следующая ошибка:----------начало сообщения об ошибке из r---------- {0} -----------конец сообщения об ошибке из r-----------
Во время оценки сценария r " {1} " произошла следующая ошибка:----------начало сообщения об ошибке из r---------- {0} -----------конец сообщения об ошибке из r-----------

Ошибка 0064

Исключение возникает, если имя учетной записи хранилища Azure или ключ хранилища указаны неправильно.

Эта ошибка в Машинном обучении Azure возникает, если имя учетной записи хранения Azure или ключ хранилища указаны неправильно. Эта ошибка возникает при вводе неправильного имени учетной записи или пароля для учетной записи хранения. Это может произойти, если ввести имя или пароль учетной записи вручную. Это также может произойти, если учетная запись была удалена.

Решение. Убедитесь, что имя учетной записи и пароль введены правильно и что контейнер существует.

Сообщения об исключении
The Azure storage account name or storage key is incorrect (Неверное имя учетной записи хранилища или ключа хранилища Azure).
Неверное имя учетной записи хранения Azure " {0} " или ключ хранилища для имени учетной записи.

Ошибка 0065

Исключение возникает, если имя большого двоичного объекта Azure указано неправильно.

Эта ошибка в Машинном обучении Azure возникает, если имя большого двоичного объекта указано неправильно. Вы получите ошибку, если:

  • В указанном контейнере не удается найти большой двоичный объект.

  • Полное имя большого двоичного объекта, указанного для выходных данных в одном из модулей Learning с Count, превышает 512 символов.

  • Только контейнер был указан в качестве источника в запросе модуля импорта данных, когда формат был Excel или CSV с кодировкой. Объединение содержимого всех больших двоичных объектов в контейнере не допускается с этими форматами.

  • URI SAS не содержит имя допустимого большого двоичного объекта.

Решение. Повторно откройте модуль, вызывающий исключение. Убедитесь, что указанный большой двоичный объект существует в контейнере в учетной записи хранения и разрешения позволяют его просматривать. Убедитесь, что входные данные имеют форму имя контейнера/имя файла, если у вас есть файл Excel или CSV с форматами кодирования. Убедитесь, что URI SAS содержит имя допустимого большого двоичного объекта.

Сообщения об исключении
Неверный BLOB-объект хранилища Azure.
Недопустимое имя BLOB-объекта службы хранилища Azure " {0} "

Ошибка 0066

Исключение возникает, если не удалось загрузить ресурс в большой двоичный объект Azure.

Эта ошибка в Машинном обучении Azure возникает, если не удалось загрузить ресурс в большой двоичный объект Azure. Вы получите это сообщение, если при подготовке модели обучения Vowpal Wabbit 7-4 обнаруживается ошибка при попытке сохранить модель или хэш, созданные при обучении модели. Оба сохраняются в той же учетной записи хранения Azure, что и учетная запись, содержащая входной файл.

Решение. Повторно откройте модуль. Убедитесь, что имя учетной записи Azure, ключ хранилища и контейнер указаны правильно, а учетная запись имеет разрешение на запись в контейнер.

Сообщения об исключении
The resource could not be uploaded to Azure storage (Не удалось отправить ресурс в хранилище Azure).
{0}Не удалось отправить файл "" в службу хранилища Azure как {1} .

Ошибка 0067

Исключение возникает, если количество столбцов в наборе данных отличается от ожидаемого.

Эта ошибка в Машинном обучении Azure возникает, если набор данных имеет другое количество столбцов, чем ожидалось. Эта ошибка возникает, когда число столбцов в наборе данных отличается от числа столбцов, которые модуль ожидает во время выполнения.

Решение. Измените входной набор данных или параметры.

Сообщения об исключении
Unexpected number of columns in the datatable (Непредвиденное количество столбцов в объекте datatable).
Вместо этого ожидались столбцы " {0} ", но обнаружены " {1} ".

Ошибка 0068

Исключение возникает, если указан неправильный скрипт Hive.

Эта ошибка в Машинном обучении Azure возникает, если в скрипте Hive QL есть синтаксические ошибки или если интерпретатор Hive обнаруживает ошибку при выполнении запроса или скрипта.

Решение.

Сообщение об ошибке из Hive обычно возвращается в журнал ошибок, так что вы можете принять меры на основе конкретной ошибки.

  • Откройте модуль и проверьте запрос на наличие ошибок.
  • Убедитесь, что запрос работает правильно вне Машинного обучения Azure, войдя в консоль Hive кластера Hadoop и выполнив запрос.
  • Попробуйте разместить комментарии в скрипте Hive в отдельной строке, а не смешивать исполняемые инструкции и комментарии в одной строке.

Ресурсы

Дополнительные сведения о запросах Hive для машинного обучения см. в следующих статьях:

Сообщения об исключении
Hive script is incorrect (Неверный скрипт Hive).
{0}Неверный сценарий Hive.

Ошибка 0069

Исключение возникает, если указан неправильный скрипт SQL.

Эта ошибка в Машинном обучении Azure возникает, если указанный скрипт SQL содержит синтаксические ошибки или если столбцы или таблицы, указанные в скрипте, недопустимы.

Эта ошибка возникает, если ядро SQL обнаруживает ошибку при выполнении запроса или скрипта. Сообщение об ошибке из SQL обычно возвращается в журнал ошибок, так что вы можете принять меры на основе конкретной ошибки.

Решение. Повторно откройте модуль и проверьте запрос SQL на наличие ошибок.

Убедитесь, что запрос работает правильно за пределами Машинного обучения Azure, выполнив вход непосредственно на сервер базы данных и выполнив запрос.

Если в исключении модуля сообщается о сформированном сообщении SQL, примите меры на основе сообщенной ошибки. Например, сообщения об ошибках иногда включают в себя определенные рекомендации по наиболее вероятной ошибке:

  • Ошибка No such column or missing database (Нет такого столбца или базы данных) означает, что вы могли указать неправильное имя столбца. Если вы уверены, что имя столбца указано правильно, попробуйте использовать квадратные скобки или кавычки для заключения идентификатора столбца.
  • Ошибка логики SQL <SQL keyword> рядом с тем, что может иметь синтаксическую ошибку перед указанным ключевым словом
Сообщения об исключении
SQL script is incorrect (Неверный скрипт SQL).
SQL-запрос "" неверен {0} .
SQL-запрос "" неверен {0} : {1}

Ошибка 0070

Исключение возникает при попытке доступа к несуществующей таблице Azure.

Эта ошибка в Машинном обучении Azure возникает при попытке доступа к несуществующей таблице Azure. Эта ошибка возникает, если указать в службе хранилища Azure таблицу, которой не существует, при чтении из хранилища таблиц Azure или записи в него. Это может произойти в случае неправильного ввода имени нужной таблицы или несоответствия между именем целевого объекта и типом хранилища. Например, вы предполагали считывать данные из таблицы, но указали вместо этого имя большого двоичного объекта.

Решение. Повторно откройте модуль, чтобы убедиться в правильности имени таблицы.

Сообщения об исключении
Azure table does not exist (Таблица Azure не существует).
Таблица Azure " {0} " не существует.

Ошибка 0071

Исключение возникает, если указанные учетные данные неверны.

Эта ошибка в Машинное обучение Azure возникает, если предоставлены неверные учетные данные.

Эта ошибка также может возникать, если модулю не удается подключиться к кластеру HDInsight.

Решение: Проверьте входные данные модуля и проверьте имя учетной записи и пароль.

Проверьте наличие следующих проблем, которые могут вызвать ошибку:

  • Схема набора данных не соответствует схеме целевого объекта DataTable.

  • Имена столбцов отсутствуют или написаны с ошибками

  • Выполняется запись в таблицу, которая содержит имена столбцов с недопустимыми символами. Обычно имена столбцов можно заключать в квадратные скобки, но если это не сработает, измените имена столбцов, чтобы использовать только буквы и символы подчеркивания (_).

  • Строки, которые вы пытаетесь записать, содержат одинарные кавычки

Если вы пытаетесь подключиться к кластеру HDInsight, убедитесь, что целевой кластер доступен с использованием предоставленных учетных данных.

Сообщения об исключении
Переданы неверные учетные данные.
Передано неверное имя пользователя " {0} " или пароль

Ошибка 0072

Исключение возникает в случае истечения времени ожидания соединения.

Эта ошибка в Машинном обучении Azure возникает при истечении времени ожидания соединения. Эта ошибка возникает при наличии проблем с подключением к источнику или расположению данных, например при плохом подключении к Интернету или если набор данных имеет большой размер, или SQL-запрос, предназначенный для чтения данных, выполняет сложную обработку.

Решение. Определите, имеются ли в настоящее время проблемы с подключением к службе хранилища Azure или к Интернету.

Сообщения об исключении
Connection timeout occurred (Истекло время ожидания подключения).

Ошибка 0073

Исключение возникает при возникновении ошибки во время преобразования столбца в другой тип.

Эта ошибка в Машинном обучении Azure возникает, когда невозможно преобразовать столбец в другой тип. Эта ошибка возникает, если для модуля требуется определенный тип и невозможно преобразовать столбец в новый тип.

Решение. Измените входной набор данных так, чтобы столбец можно было преобразовать на основе внутреннего исключения.

Сообщения об исключении
Failed to convert column (Не удалось преобразовать столбец).
Не удалось преобразовать столбец в {0} .

Ошибка 0074

Исключение возникает, когда при изменении метаданных выполняется попытка преобразовать разреженный столбец в Категория.

Эта ошибка в Машинное обучение Azure возникает, когда при изменении метаданных выполняется попытка преобразовать разреженный столбец в Категория. Эта ошибка возникает при попытке преобразовать разреженные столбцы в Категория с помощью параметра создать упорядочение. Машинное обучение Azure не поддерживает разреженные массивы категорий, поэтому произойдет сбой модуля.

Решение: Чтобы сделать столбец сжатым, сначала преобразуйте его в набор данных , либо не преобразуйте столбец в Категория.

Сообщения об исключении
Разреженные столбцы не могут быть преобразованы в категориальные.

Ошибка 0075

Исключение возникает, если при квантовании набора данных используется недопустимая функция классификации.

Эта ошибка в Машинном обучении Azure возникает при попытке размещения данных с помощью неподдерживаемого метода или при недопустимых сочетаниях параметров.

Решение.

Обработка ошибок для этого события была представлена в более ранней версии Машинного обучения Azure, которая расширяла возможности настроек методов квантования. Сейчас все методы квантования основаны на выборе из раскрывающегося списка, поэтому технически в них не должна возникать эта ошибка.

Если эта ошибка возникает при использовании модуля данные группы в ячейки , рассмотрите возможность создания отчетов о проблемах на форуме машинное обучение Azure, указав типы данных, параметры и точное сообщение об ошибке.

Сообщения об исключении
Invalid binning function used (Используется недопустимая функция сегментирования).

Ошибка 0077

Исключение возникает при передаче режима записи неизвестного файла большого двоичного объекта.

Эта ошибка в Машинном обучении Azure возникает, если в спецификациях назначения или источника файла большого двоичного объекта передан недопустимый аргумент.

Решение. Почти во всех модулях, которые импортируют или экспортируют данные в хранилище BLOB-объектов Azure и из него, значения параметров, управляющих режимом записи, назначаются с помощью раскрывающегося списка. Таким образом, невозможно передать недопустимое значение, и эта ошибка не должна появляться. Эта ошибка будет удалена в более позднем выпуске.

Сообщения об исключении
Неподдерживаемый режим записи больших двоичных объектов.
Неподдерживаемый режим записи больших двоичных объектов: {0} .

Ошибка 0078

Исключение возникает, когда параметр HTTP для модуля импорта данных получает код состояния 3xx, указывающий перенаправление.

Эта ошибка в Машинном обучении Azure возникает, когда параметр HTTP для модуля импорта данных получает код состояния 3XX (301, 302, 304 и т. д.), указывающий на перенаправление. Эта ошибка возникает при попытке подключиться к источнику HTTP, который перенаправляет браузер на другую страницу. По соображениям безопасности перенаправление веб-сайтов не допускается в качестве источников данных для Машинного обучения Azure.

Решение. Если веб-сайт является доверенным, введите URL-адрес перенаправления напрямую.

Сообщения об исключении
Перенаправление HTTP не разрешено

Ошибка 0079

Исключение возникает, если имя контейнера хранилища Azure указано неверно.

Эта ошибка в Машинном обучении Azure возникает, если имя контейнера хранилища Azure указано неверно. Эта ошибка возникает, если вы не указали имя контейнера и большого двоичного объекта (файла), используя параметр Path to blob beginning with container (Путь к большому двоичному объекту, начинающемуся с контейнера), при записи в хранилище BLOB-объектов Azure.

Решение. Повторно откройте модуль экспорта данных и убедитесь, что указанный путь к большому двоичному объекту содержит как контейнер, так и имя файла в формате контейнер/имя файла.

Сообщения об исключении
The Azure storage container name is incorrect (Неверное имя контейнера хранилища Azure).
Неверное имя контейнера службы хранилища Azure " {0} "; ожидалось имя контейнера для контейнера или BLOB-объекта формата.

Ошибка 0080

Исключение возникает, если в модуле не допускается использование столбца со всеми недостающими значениями.

Эта ошибка возникает в Машинном обучении Azure, если один или несколько столбцов, используемых модулем, содержат все отсутствующие значения. Например, если модуль вычисляет статистические данные для каждого столбца, он не может обрабатывать столбец, не содержащий данные. В таких случаях выполнение модуля прерывается с помощью этого исключения.

Решение. Повторно откройте входной набор данных и удалите все столбцы, содержащие все пропущенные значения.

Сообщения об исключении
Columns with all values missing are not allowed (Столбцы со всеми отсутствующими значениями не допускаются).
В столбце {0} отсутствуют все значения.

Ошибка 0081

Исключение возникает в модуле PCA, если количество измерений, до которого нужно выполнить сокращение, равно количеству столбцов компонентов во входном наборе данных, содержащем по крайней мере один разреженный столбец компонентов.

Эта ошибка в Машинном обучении Azure возникает, если выполняются следующие условия: (а) входной набор данных содержит по крайней мере один разреженный столбец и (б) конечное число запрашиваемых измерений совпадает с числом входных измерений.

Решение. Рекомендуется уменьшить число измерений в выходных данных, чтобы оно было меньше числа измерений во входных данных. Это распространено в приложениях PCA. Дополнительные сведения см. в разделе анализ основных компонентов.

Сообщения об исключении
Для набора данных, содержащего разреженные столбцы со столбцами, количество измерений должно быть меньше числа столбцов функций.

Ошибка 0082

Исключение возникает, если не удается успешно десериализовать модель.

Эта ошибка в Машинном обучении Azure возникает, когда сохраненная модель машинного обучения или преобразование не могут быть загружены более новой версией среды выполнения Машинного обучения Azure в результате критического изменения.

Решение: Обучающий эксперимент, в котором была создана модель или преобразование, должен быть повторно запущен, а модель или преобразование необходимо сохранить.

Сообщения об исключении
Модель не может быть десериализована, так как скорее всего она сериализована с использованием старого формата. Повторное обучение и сохранение модели.

Ошибка 0083

Исключение возникает, если набор данных, используемый для обучения, не может применяться для определенного типа ученика.

Эта ошибка в Машинном обучении Azure возникает, если набор данных несовместим с учеником. Например, набор данных может содержать по крайней мере одно отсутствующее значение в каждой строке, и в результате весь набор данных будет пропущен во время обучения. В других случаях некоторые алгоритмы машинного обучения, такие как обнаружение аномалий, не предполагают присутствие меток и могут вызывать это исключение, если в наборе данных есть метки.

Решение. Просмотрите документацию по ученику для проверки требований к входному набору данных. Изучите столбцы, чтобы увидеть, что все необходимые столбцы присутствуют.

Сообщения об исключении
Dataset used for training is invalid (Для обучения используется недопустимый набор данных).
{0} содержит недопустимые данные для обучения.
{0} содержит недопустимые данные для обучения. Тип учений: {1} .

Ошибка 0084

Исключение возникает, когда обрабатываются оценки, полученные из сценария R. Это в настоящее время не поддерживается.

Эта ошибка в Машинном обучении Azure возникает при попытке использовать один из модулей для оценки модели с выходными данными из скрипта R, содержащего оценки.

Решение.

Сообщения об исключении
Обработка оценок, созданных R, в настоящее время не поддерживается.

Ошибка 0085

Исключение возникает, если оценка скрипта завершается ошибкой.

Эта ошибка в Машинном обучении Azure возникает при выполнении пользовательского скрипта, содержащего синтаксические ошибки.

Решение. Просмотрите код во внешнем редакторе и проверьте наличие ошибок.

Сообщения об исключении
Error during evaluation of script (Ошибка во время вычисления скрипта).
Во время оценки скрипта произошла следующая ошибка. Дополнительные сведения см. в журнале вывода:----------начало сообщения об ошибке от {0} интерпретатора---------- {1} ----------конец сообщения об ошибке от {0} интерпретатора----------

Ошибка 0086

Возникает исключение при недопустимом преобразовании подсчета.

Эта ошибка в Машинное обучение Azure возникает при выборе преобразования на основе таблицы счетчиков, но выбранное преобразование несовместимо с текущими данными или с новой таблицей счетчиков.

Решение: Модуль поддерживает сохранение счетчиков и правил, составляющих преобразование, в двух разных форматах. При объединении таблиц счетчиков убедитесь, что обе таблицы, которые предполагается объединить, используют один и тот же формат.

Как правило, преобразование на основе подсчета может применяться только к наборам данных, которые имеют ту же схему, что и DataSet, для которого изначально было создано преобразование.

Общие сведения см. в разделе обучение с подсчетами. Требования, относящиеся к созданию и слиянию функций на основе счетчиков, см. в следующих разделах:

Сообщения об исключении
Указано недопустимое преобразование подсчета.
Недопустимое преобразование подсчета на входной порт " {0} ".
Преобразование подсчета во входном Порту " {0} " не может быть объединено с преобразованием подсчета по порту ввода " {1} ". Установите флажок, чтобы проверить метаданные, используемые для подсчета соответствий.

Ошибка 0087

Возникает исключение при указании недопустимого типа таблицы счетчиков для обучения с использованием модулей счетчиков.

Эта ошибка в Машинное обучение Azure возникает при попытке импортировать существующую таблицу счетчиков, но таблица несовместима с текущими данными или с новой таблицей счетчиков.

Решение: Существуют различные форматы для сохранения количества и правил, составляющих преобразование. При объединении таблиц счетчиков убедитесь, что оба используют один и тот же формат.

Как правило, преобразование на основе подсчета может применяться только к наборам данных, которые имеют ту же схему, что и DataSet, для которого изначально было создано преобразование.

Общие сведения см. в разделе обучение с подсчетами. Требования, относящиеся к созданию и слиянию функций на основе счетчиков, см. в следующих разделах:

Ошибка 0088

Возникает исключение при указании недопустимого типа подсчета для обучения с использованием модулей счетчиков.

Эта ошибка в Машинное обучение Azure возникает при попытке использовать другой метод подсчета, чем поддерживается для Добавление признаков на основе счетчика.

Решение: Как правило, методы подсчета выбираются из раскрывающегося списка, поэтому эта ошибка не отображается.

Общие сведения см. в разделе обучение с подсчетами. Требования, относящиеся к созданию и слиянию функций на основе счетчиков, см. в следующих разделах:

Сообщения об исключении
Указан недопустимый тип подсчетов.
Указанный тип подсчета "" не является {0} допустимым типом подсчета.

Ошибка 0089

Исключение возникает, когда указанное количество классов меньше, чем фактическое число классов в наборе данных, используемом для подсчета.

Эта ошибка в Машинное обучение Azure возникает при создании таблицы счетчиков, а столбец меток содержит разное количество классов, чем указано в параметрах модуля.

Решение: Проверьте набор данных и выясните, сколько различных значений (возможных классов) имеется в столбце Метка. При создании таблицы счетчиков необходимо указать по меньшей мере это число классов.

Таблица счетчиков не может автоматически определить количество доступных классов.

При создании таблицы счетчиков нельзя указать 0 или любое число, которое меньше фактического числа классов в столбце Метка.

Сообщения об исключении
Неверное количество классов. Убедитесь, что количество классов, указанное на панели параметров, больше или равно числу классов в столбце Метка.
Указано число классов " {0} ", которое не превышает значение метки " {1} " в наборе данных, используемом для подсчета. Убедитесь, что количество классов, указанное на панели параметров, больше или равно числу классов в столбце Метка.

Ошибка 0090

Исключение возникает, если создание таблицы Hive завершается сбоем.

Эта ошибка в Машинном обучении Azure возникает, если вы используете модуль экспорта данных или другой параметр для сохранения данных в кластере HDInsight и не удается создать указанную таблицу Hive.

Решение. Проверьте имя учетной записи хранения Azure, связанной с кластером, и убедитесь, что вы используете ту же учетную запись в свойствах модуля.

Сообщения об исключении
The Hive table could not be created. Для кластера HDInsight убедитесь, что имя учетной записи хранения Azure, связанное с кластером, совпадает с тем, что передается через параметр Module.
{0}Не удалось создать таблицу Hive "". Для кластера HDInsight убедитесь, что имя учетной записи хранения Azure, связанное с кластером, совпадает с тем, что передается через параметр Module.
{0}Не удалось создать таблицу Hive "". Для кластера HDInsight убедитесь, что имя учетной записи хранения Azure, связанное с кластером, — " {1} ".

Ошибка 0100

Исключение возникает, если для настраиваемого модуля указан неподдерживаемый язык.

Эта ошибка в Машинное обучение Azure возникает при создании пользовательского модуля, а свойство Name элемента Language в файле определения пользовательского модуля имеет недопустимое значение. В настоящее время единственным допустимым значением для этого свойства является R . Пример.

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

Решение: Убедитесь, что свойство Name элемента Language в XML-файле определения пользовательского модуля имеет значение R . Сохраните файл, обновите почтовый пакет пользовательского модуля и попытайтесь добавить пользовательский модуль еще раз.

Сообщения об исключении
Указан неподдерживаемый язык пользовательского модуля

Ошибка 0101

Все идентификаторы портов и параметров должны быть уникальными.

Эта ошибка в Машинное обучение Azure возникает, когда одному или нескольким портам или параметрам назначено одно и то же значение идентификатора в файле определения XML пользовательского модуля.

Решение: Убедитесь, что значения ИДЕНТИФИКАТОРов для всех портов и параметров уникальны. Сохраните XML-файл, обновите почтовый пакет пользовательского модуля и попытайтесь добавить пользовательский модуль еще раз.

Сообщения об исключении
Все идентификаторы портов и параметров для модуля должны быть уникальными.
Модуль " {0} " содержит дублирующиеся идентификаторы порта или аргумента. Все идентификаторы портов и аргументов должны быть уникальными для модуля.

Ошибка 0102

Возникает, если не удается извлечь ZIP-файл

Эта ошибка в Машинном обучении Azure возникает, когда вы импортируете сжатый пакет с расширением ZIP, но пакет либо не является ZIP-файлом, либо файл не использует поддерживаемый формат ZIP.

Решение. Убедитесь, что выбранный файл является допустимым ZIP-файлом и был сжат с помощью одного из поддерживаемых алгоритмов сжатия.

Если при импорте наборов данных в сжатом формате возникает эта ошибка, убедитесь, что все автономные файлы используют один из поддерживаемых форматов файлов и имеют формат Юникода. Дополнительные сведения см. в разделе распаковка Zip-наборов данных.

Попробуйте повторно добавить нужные файлы в новую сжатую ZIP-папку и повторите попытку добавления пользовательского модуля.

Сообщения об исключении
Неверный формат ZIP-файла

Ошибка 0103

Возникает, если ZIP-файл не содержит XML-файлов

Эта ошибка в Машинное обучение Azure возникает, когда в пакете ZIP-файла пользовательского модуля отсутствуют файлы определения модуля (XML). Эти файлы должны находиться в корне ZIP-пакета (например, не во вложенной папке).

Решение: Убедитесь, что один или несколько файлов определения модуля XML находятся в корневой папке ZIP-пакета, извлекая их во временную папку на диске. Все файлы XML должны находиться непосредственно в папке, в которую был извлечен ZIP-пакет. Убедитесь, что при создании ZIP-пакета не выбрана папка, содержащая файлы XML для почтовых индексов. в этом случае создается вложенная папка в ZIP-пакете с тем же именем, что и у папки, выбранной для архивации.

Сообщения об исключении
Указанный ZIP-файл не содержит файлы определения модуля (XML-файлы)

Ошибка 0104

Возникает, если файл определения модуля ссылается на скрипт, который не удается найти

Эта ошибка в Машинное обучение Azure возникает, когда файл определения XML пользовательского модуля ссылается на файл скрипта в элементе Language , который не существует в ZIP-пакете. Путь к файлу скрипта определяется в свойстве sourceFile элемента Language . Путь к исходному файлу задается относительно корня ZIP-пакета (то же расположение, что и файлы определения XML модуля). Если файл скрипта находится во вложенной папке, необходимо указать относительный путь к файлу скрипта. Например, если все скрипты хранились в папке myartifacts в ZIP-пакете, элемент Language должен добавить этот путь к свойству sourceFile , как показано ниже. Пример.

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

Решение: Убедитесь, что значение свойства sourceFile в элементе Language пользовательского XML-определения модуля указано правильно и что исходный файл существует в соответствующем относительном пути в пакете ZIP.

Сообщения об исключении
Указанный файл скрипта R не существует.
Не удается найти указанный в ссылке файл скрипта R " {0} ". Проверьте правильность относительного пути к файлу из расположения определений.

Ошибка 0105

Эта ошибка отображается, если файл определения модуля содержит неподдерживаемый тип параметра

Эта ошибка в Машинном обучении Azure возникает при создании пользовательского XML-определения модуля, а тип параметра или аргумента в определении не соответствует поддерживаемому типу.

Решение. Убедитесь, что свойство типа любого элемента Arg в файле XML-определения пользовательского модуля поддерживается.

Сообщения об исключении
Unsupported parameter type (Неподдерживаемый тип параметра).
Unsupported parameter type '{0}' specified (Указан неподдерживаемый тип параметра {0}).

Ошибка 0106

Возникает, когда файл определения модуля определяет неподдерживаемый тип входных данных

Эта ошибка в Машинное обучение Azure возникает, если тип входного порта в определении пользовательского модуля XML не соответствует поддерживаемому типу.

Решение: Убедитесь, что свойство Type элемента input в XML-файле определения пользовательского модуля имеет поддерживаемый тип.

Сообщения об исключении
Неподдерживаемый тип входных данных.
Указан неподдерживаемый тип входных данных " {0} ".

Ошибка 0107

Возникает, когда файл определения модуля задает неподдерживаемый тип выходных данных.

Эта ошибка в Машинном обучении Azure возникает, когда тип выходного порта в XML-определении пользовательского модуля не соответствует поддерживаемому типу.

Решение. Убедитесь, что свойство типа любого элемента вывода в файле XML-определения пользовательского модуля поддерживается.

Сообщения об исключении
Unsupported output type (Неподдерживаемый тип выходных данных).
Указан неподдерживаемый тип выходных данных " {0} ".

Ошибка 0108

Возникает, когда файл определения модуля определяет больше входных или выходных портов, чем может поддерживаться.

Эта ошибка в Машинное обучение Azure возникает, если в определении XML пользовательского модуля указано слишком много входных или выходных портов.

Решение: Убедитесь, что максимальное число входных и выходных портов, определенных в определении пользовательского модуля XML, не превышает максимальное число поддерживаемых портов.

Сообщения об исключении
Превышено число поддерживаемых входных или выходных портов.
Превышено количество поддерживаемых {0} портов "". Максимально допустимое число {0} портов "": "" {1} .

Ошибка 0109

Возникает, когда файл определения модуля неправильно определяет выбор столбцов.

Эта ошибка в Машинное обучение Azure возникает, когда синтаксис для аргумента средства выбора столбцов содержит ошибку в определении XML пользовательского модуля.

Решение: Эта ошибка возникает, когда синтаксис для аргумента выбора столбца содержит ошибку в определении XML пользовательского модуля.

Сообщения об исключении
Неподдерживаемый синтаксис для выбора столбцов.

Ошибка 0110

Возникает, когда файл определения модуля определяет средство выбора столбцов, которое ссылается на несуществующий идентификатор порта ввода

Эта ошибка в Машинное обучение Azure возникает, когда свойство portId в элементе Properties аргумента типа колумнпиккер не соответствует значению идентификатора входного порта.

Решение: Убедитесь, что свойство portId соответствует значению идентификатора входного порта, определенного в определении XML пользовательского модуля.

Сообщения об исключении
Средство выбора столбцов ссылается на несуществующий идентификатор порта ввода.
Средство выбора столбцов ссылается на несуществующий идентификатор порта ввода " {0} ".

Ошибка 0111

Возникает, когда файл определения модуля задает недопустимое свойство.

Эта ошибка в Машинное обучение Azure возникает, если элементу в определении XML пользовательского модуля присвоено недопустимое свойство.

Решение: Убедитесь, что свойство поддерживается элементом пользовательского модуля.

Сообщения об исключении
Недопустимое определение свойства.
Определение свойства " {0} " недопустимо.

Ошибка 0112

Возникает, когда не удается проанализировать файл определения модуля.

Эта ошибка в Машинное обучение Azure возникает в случае ошибки в XML-формате, который предотвращает синтаксический анализ пользовательского XML-определения модуля в качестве допустимого XML-файла.

Решение: Убедитесь, что каждый элемент открыт и закрыт правильно. Убедитесь, что в XML-форматировании нет ошибок.

Сообщения об исключении
Не удается выполнить синтаксический анализ файла определения модуля.
Не удалось проанализировать файл определения модуля " {0} ".

Ошибка 0113

Возникает, когда файл определения модуля содержит ошибки.

Эта ошибка в Машинное обучение Azure возникает, если файл определения XML для пользовательского модуля можно проанализировать, но содержит ошибки, например определение элементов, не поддерживаемых пользовательскими модулями.

Решение: Убедитесь, что в файле определения пользовательского модуля определены элементы и свойства, поддерживаемые пользовательскими модулями.

Сообщения об исключении
Файл определения модуля содержит ошибки.
Файл определения модуля " {0} " содержит ошибки.
Файл определения модуля " {0} " содержит ошибки. {1}

Ошибка 0114

Возникает при сбое построения настраиваемого модуля.

Эта ошибка в Машинное обучение Azure создается при сбое сборки пользовательского модуля. Это происходит при обнаружении одной или нескольких ошибок, связанных с пользовательскими модулями, при добавлении пользовательского модуля. В этом сообщении об ошибке выводятся дополнительные ошибки.

Решение: Устраните ошибки, обнаруженные в сообщении об исключении.

Сообщения об исключении
Не удалось построить настраиваемый модуль.
Сборки пользовательских модулей завершились с ошибками: {0}

Ошибка 0115

Вызывается, если неподдерживаемое расширение пользовательского скрипта по умолчанию модуля.

Эта ошибка в Машинное обучение Azure возникает при предоставлении скрипта для пользовательского модуля, использующего неизвестное расширение имени файла.

Решение: Проверьте формат файла и расширение имени файла для всех файлов скриптов, входящих в пользовательский модуль.

Сообщения об исключении
Неподдерживаемая степень расширения для скрипта по умолчанию.
Неподдерживаемая степень расширения файла {0} для скрипта по умолчанию.

Ошибка 0121

Возникает при сбое операции записи SQL, так как таблица недоступна для записи

Эта ошибка в Машинное обучение Azure возникает, если вы используете модуль Export Data для сохранения результатов в таблицу в базе данных SQL и не можете выполнить запись в таблицу. Как правило, эта ошибка возникает, если модуль Export Data (экспорт данных ) успешно устанавливает соединение с экземпляром SQL Server, но затем не может записать содержимое набора данных машинного обучения Azure в таблицу.

Решение:

  • Откройте панель свойств модуля Export Data (экспорт данных ) и убедитесь, что имена базы данных и таблицы введены правильно.
  • Проверьте схему экспортируемого набора данных и убедитесь, что данные совместимы с целевой таблицей.
  • Убедитесь, что учетные записи SQL, связанные с именем пользователя и паролем, имеют разрешения на запись в таблицу.
  • Если исключение содержит дополнительные сведения об ошибке из SQL Server, используйте эти сведения для внесения исправлений.
Сообщения об исключении
Подключение к серверу, не удалось выполнить запись в таблицу.
Не удалось выполнить запись в таблицу SQL: {0}

Ошибка 0122

Исключение возникает, если указано несколько весовых столбцов, а допускается только один.

Эта ошибка в Машинное обучение Azure возникает, если в качестве весовых столбцов выбрано слишком много столбцов.

Решение: Проверьте входной набор данных и его метаданные. Убедитесь, что только один столбец содержит веса.

Сообщения об исключении
Указано несколько весовых столбцов.

Ошибка 0123

Возникает исключение, если столбец векторов указан как столбец меток.

Эта ошибка в Машинное обучение Azure возникает при использовании вектора в качестве столбца меток.

Решение: При необходимости измените формат данных столбца или выберите другой столбец.

Сообщения об исключении
Столбец векторов задан в качестве столбца меток.

Ошибка 0124

Исключение возникает, если нечисловые столбцы заданы как столбец веса.

Решение.

Сообщения об исключении
Нечисловой столбец указан как столбец веса.

Ошибка 0125

Возникает при несоответствии схем нескольких наборов данных.

Решение.

Сообщения об исключении
Dataset schema does not match (Несоответствие схемы набора данных).

Ошибка 0126

Возникает исключение, если пользователь указывает домен SQL, не поддерживаемый в Azure ML.

Эта ошибка возникает, когда пользователь указывает домен SQL, который не поддерживается в Машинное обучение Azure. Эта ошибка возникает при попытке подключиться к серверу базы данных в домене, который отсутствует в списке разрешенных. В настоящее время Допустимые домены SQL: ". database.windows.net", ". cloudapp.net" или ". database.secure.windows.net". Это значит, что сервер должен быть сервером Azure SQL Server или сервером виртуальной машины в Azure.

Решение. Повторно откройте модуль. Убедитесь, что сервер базы данных SQL принадлежит одному из принятых доменов:

  • .database.windows.net

  • .cloudapp.net

  • . database.secure.windows.net

Сообщения об исключении
Неподдерживаемый домен SQL.
В {0} настоящее время домен SQL не поддерживается в машинном обучении Azure

Ошибка 0127

Размер изображения в пикселях превышает допустимый предел

Эта ошибка возникает при чтении изображений из набора данных изображений для классификации, если размер изображений больше, чем модель может обработать.

Решение: Дополнительные сведения о размере образа и других требованиях см. в следующих разделах:

Сообщения об исключении
Image pixel size exceeds allowed limit (Размер изображения в пикселях превышает допустимый предел).
Размер пикселя изображения в файле " {0} " превышает допустимый предел: " {1} "

Ошибка 0128

Количество условных вероятностей столбцов категории превышает ограничение.

Решение.

Сообщения об исключении
Number of conditional probabilities for categorical columns exceeds limit (Количество условных вероятностей столбцов категории превышает ограничение).
Number of conditional probabilities for categorical columns exceeds limit. Столбцы " {0} " и " {1} " являются проблематичной парой.

Ошибка 0129

Number of columns in the dataset exceeds allowed limit (Число столбцов в наборе данных превышает допустимый предел).

Решение.

Сообщения об исключении
Number of columns in the dataset exceeds allowed limit (Число столбцов в наборе данных превышает допустимый предел).
Число столбцов в наборе данных в " {0} " превышает допустимое значение "".
Число столбцов в наборе данных в " {0} " превышает допустимый предел " {1} ".
Число столбцов в наборе данных в " {0} " превышает допустимый {1} предел "" {2} .

Ошибка 0130

Исключение возникает, когда все строки в наборе данных для обучения содержат отсутствующие значения.

Это происходит, когда какой-либо столбец в наборе данных для обучения пуст.

Решение: Используйте модуль Clean Missing Data (очистка недостающих данных ), чтобы удалить столбцы со всеми отсутствующими значениями.

Сообщения об исключении
Все строки в наборе данных для обучения содержат отсутствующие значения. Для удаления отсутствующих значений рекомендуется использовать модуль очистки отсутствующих данных.

Ошибка 0131

Исключение возникает, если один или несколько наборов данных в ZIP-файле не могут быть распакованы и зарегистрированы правильно.

Эта ошибка возникает, когда один или несколько наборов данных в ZIP-файле не могут быть распакованы и правильно прочитаны. Эта ошибка возникает, если распаковка завершается сбоем из-за повреждения zip-файла или одного из файлов в нем или при попытке распаковки и расширения файла.

Решение: Чтобы определить, как продолжать работу, используйте сведения, приведенные в сообщении об ошибке.

Сообщения об исключении
Не удалось отправить zip-наборы данных
Сбой ZIP-набора данных {0} со следующим сообщением: {1}
Сбой архивированного набора данных {0} с {1} исключением: {2}

Ошибка 0132

Не указано имя файла для распаковки; в ZIP-файле найдено несколько файлов.

Эта ошибка возникает, если не указано имя файла для распаковки; в ZIP-файле найдено несколько файлов. Эта ошибка возникает, если ZIP-файл содержит более одного сжатого файла, но вы не указали файл для извлечения в текстовом поле набор данных для распаковки, на панели свойств модуля. В настоящее время при каждом запуске модуля может быть извлечен только один файл.

Решение: Сообщение об ошибке содержит список файлов, найденных в ZIP-файле. Скопируйте имя нужного файла и вставьте его в текстовое поле набор данных для распаковки .

Сообщения об исключении
ZIP-файл содержит несколько файлов; необходимо указать файл для расширения.
Файл содержит более одного файла. Укажите файл, который нужно развернуть. Найдены следующие файлы: {0}

Ошибка 0133

Указанный файл не найден в ZIP-файле

Эта ошибка возникает, когда имя файла, указанное в поле набор данных для распаковки на панели свойств , не совпадает с именем какого-либо файла, найденного в ZIP-файле. Наиболее частыми причинами этой ошибки являются ошибки ввода или поиска неправильного файла архива для расширения файла.

Решение. Повторно откройте модуль. Если имя файла, предназначенного для распаковки, отображается в списке найденных файлов, скопируйте имя файла и вставьте его в поле набор данных, чтобы распаковать свойство. Если требуемое имя файла не отображается в списке, убедитесь, что у вас есть правильный ZIP-файл и правильное имя нужного файла.

Сообщения об исключении
Указанный файл не найден int ZIP-файла.
Указанный файл не найден. Найдены следующие файлы: {0}

Ошибка 0134

Исключение возникает, если столбец метки отсутствует или имеет недостаточное количество помеченных строк.

Эта ошибка возникает, когда модулю требуется столбец меток, но вы не включили его при выборе столбца или в столбце метки отсутствует слишком много значений.

Эта ошибка также может возникнуть, когда предыдущая операция изменяет набор данных таким образом, что для последующей операции будет недостаточно строк. Предположим, что вы используете выражение в модуле секционирования и выборки для разделения набора данных по значениям. Если для выражения не найдено совпадений, то один из наборов данных, полученных из секции, будет пустым.

Способы устранения:

Если столбец Метка указан в выделенном фрагменте столбца, но он не распознан, используйте модуль изменить метаданные , чтобы пометить его как столбец меток.

Используйте модуль Сводные данные для создания отчета, показывающего, сколько значений отсутствует в каждом столбце. Затем можно использовать модуль удаления отсутствующих данных, чтобы удалить строки с отсутствующими значениями в столбце меток.

Проверьте входные наборы данных, чтобы убедиться, что они содержат допустимые данные и достаточно строк для удовлетворения требований операции. Многие алгоритмы выводят сообщение об ошибке, если им требуется некоторое минимальное количество строк данных, но данные содержат только несколько строк или только заголовок.

Сообщения об исключении
Exception occurs when label column is missing or has insufficient number of labeled rows (Исключение возникает, если столбец метки отсутствует или имеет недостаточное количество помеченных строк).
Исключение возникает, если столбец метки отсутствует или имеет меньше {0} строк с меткой

Ошибка 0135

Поддерживается только кластер на основе центроид.

Решение: Это сообщение об ошибке может возникать, если предпринята попытка оценить модель кластеризации, основанную на пользовательском алгоритме кластеризации, который не использует средневзвешенных для инициализации кластера.

С помощью вычисления модели можно оценить модели кластеризации, основанные на модуле кластеризации K-средних . Для пользовательских алгоритмов используйте модуль выполнить сценарий R для создания пользовательского скрипта оценки.

Сообщения об исключении
Поддерживается только кластер на основе центроид.

Ошибка 0136

Имя файла не было возвращено; не удалось обработать файл в результате.

Решение.

Сообщения об исключении
Имя файла не было возвращено; не удалось обработать файл в результате.

Ошибка 0137

В пакете SDK службы хранилища Azure произошла ошибка при преобразовании свойств таблицы и столбцов набора данных во время чтения или записи.

Решение.

Сообщения об исключении
Ошибка преобразования между свойством хранилища таблиц Azure и столбцом набора данных.
Ошибка преобразования между свойством хранилища таблиц Azure и столбцом набора данных. Дополнительные сведения: {0}

Ошибка 0138

Превышение доступного объема памяти, не удалось завершить выполнение модуля. Уменьшение выборки набора данных может помочь решить проблему.

Эта ошибка возникает, когда выполняемому модулю требуется больше памяти, чем доступно в контейнере Azure. Это может произойти, если вы работаете с большим набором данных, а текущая операция не помещается в память.

Решение. Если вы пытаетесь считать большой набор данных и операция не может быть завершена, может помочь уменьшение выборки набора данных.

Если вы используете визуализации для наборов данных для проверки количества элементов столбцов, выборка выполняется только для некоторых строк. Чтобы получить полный отчет, используйте Сводные данные. Можно также использовать преобразование « Применение SQL » для проверки числа уникальных значений в каждом столбце.

Иногда эта ошибка может возникнуть при переходе между временными загрузками. Поддержка компьютера также изменяется со временем. Описание поддерживаемого размера данных см. в разделе часто задаваемые вопросы о машинное обучение Azure .

Попробуйте использовать анализ основных компонентов или один из предоставленных методов выбора компонентов, чтобы сократить набор данных до меньшего набора более сложных столбцов: Выбор компонентов

Сообщения об исключении
Memory has been exhausted, unable to complete running of module (Превышение доступного объема памяти, не удалось завершить выполнение модуля).

Ошибка 0139

Исключение возникает, когда невозможно преобразовать столбец в другой тип.

Эта ошибка в Машинное обучение Azure возникает при попытке преобразовать столбец в другой тип данных, но этот тип не поддерживается текущей операцией или модулем.

Эта ошибка также может возникнуть, когда модуль пытается выполнить неявное преобразование данных в соответствии с требованиями текущего модуля, но преобразование невозможно.

Решение:

  1. Проверьте входные данные и определите точный тип данных столбца, который необходимо использовать, и тип данных столбца, который выдает ошибку. Иногда может показаться, что тип данных правильный, но в результате операция вышестоящей операции изменила тип данных или использование столбца. Используйте модуль изменение метаданных для сброса метаданных столбца в исходное состояние.

  2. Просмотрите страницу справки по модулю, чтобы проверить требования для указанной операции. Определите, какие типы данных поддерживаются текущим модулем, и какой диапазон значений поддерживается.

  3. Если значения необходимо усечь, округлять или удалить выбросы, используйте модули Применить математическую операцию или отсеченные значения для внесения исправлений.

  4. Определите, возможно ли преобразование или приведение столбца к другому типу данных. Следующие модули обеспечивают существенную гибкость и мощь при изменении данных:

Примечание

По-прежнему не работает? Рассмотрите возможность предоставления дополнительных отзывов о проблеме, чтобы помочь нам в разработке улучшенных руководств по устранению неполадок. Просто отправьте отзыв на эту страницу и укажите имя модуля, вызвавшего ошибку, и преобразование типа данных, которое завершилось ошибкой.

Сообщения об исключении
Not allowed conversion (Преобразование не допускается).
Не удалось преобразовать: {0} .
Не удалось преобразовать: {0} , в строке {1} .
Не удалось преобразовать столбец типа {0} в столбец типа {1} в строке {2} .
Не удалось преобразовать столбец " {2} " типа {0} в столбец типа {1} в строке {3} .
Не удалось преобразовать столбец " {2} " типа в {0} столбец " {3} " типа {1} в строке {4} .

Ошибка 0140

Исключение возникает, если переданный аргумент набора столбцов не содержит других столбцов, кроме столбца меток.

Эта ошибка возникает, если набор данных подключен к модулю, для которого требуется несколько столбцов, включая функции, но вы указали только столбец меток.

Решение: Выберите по крайней мере один столбец компонентов для включения в набор данных.

Сообщения об исключении
Указанный набор столбцов не содержит других столбцов, кроме столбца меток.

Ошибка 0141

Исключение возникает, если число выбранных числовых столбцов и уникальных значений в столбцах категорий и строк слишком мало.

Эта ошибка в Машинном обучении Azure возникает, если в выбранном столбце недостаточно уникальных значений для выполнения операции.

Решение. Некоторые операции выполняют статистические процедуры со столбцами признаков и категориальными столбцами, и если их недостаточно, то операция может завершиться неудачно или вернуть неверный результат. Проверьте набор данных, чтобы увидеть, сколько значений есть в столбцах фатуре и Label, и определите, является ли операция, которую вы пытаетесь выполнить, статистически допустимой.

Если исходный набор данных является допустимым, можно также проверить, изменились ли данные или удалились ли некоторые значения из-за обработки вышестоящих данных и операций с данными.

Если в вышестоящей операции выполняется разделение, выборка или повторная выборка, убедитесь, что выходные данные содержат ожидаемое число строк и значений.

Сообщения об исключении
The number of the selected numerical columns and unique values in the categorical and string columns is too small (Число выбранных числовых столбцов и уникальных значений в столбцах категорий и строк слишком мало).
Общее число выбранных числовых столбцов и уникальных значений в столбцах категорий и строк (в настоящее время {0} ) должно быть не меньше {1}

Ошибка 0142

Исключение возникает, когда системе не удается загрузить сертификат для проверки подлинности.

Решение.

Сообщения об исключении
Не удается загрузить сертификат.
{0}Не удается загрузить сертификат. Его отпечаток — {1} .

Ошибка 0143

Не удается проанализировать предоставленный пользователем URL-адрес, который должен быть из GitHub.

Эта ошибка в Машинное обучение Azure возникает при указании недопустимого URL-адреса, и для модуля требуется действительный URL-адрес GitHub.

Решение: Убедитесь, что URL-адрес относится к действительному репозиторию GitHub. Другие типы сайтов не поддерживаются.

Сообщения об исключении
URL-адрес не из github.com.
URL-адрес не из github.com: {0}

Ошибка 0144

В указанном пользователем URL-адресе GitHub отсутствует ожидаемая часть.

Эта ошибка в Машинное обучение Azure возникает при указании источника файла GitHub с использованием недопустимого формата URL-адреса.

Решение: Убедитесь, что URL-адрес репозитория GitHub является допустимым и заканчивается на \блоб\ или \три \ .

Сообщения об исключении
Не удается проанализировать URL-адрес GitHub.
Не удается проанализировать URL-адрес GitHub (ожидается "\блоб \ " или "\три \ " после имени репозитория): {0}

Ошибка 0145

Не удается создать каталог репликации по некоторым причинам.

Эта ошибка в Машинное обучение Azure возникает, когда модулю не удается создать указанный каталог.

Решение.

Сообщения об исключении
Не удается создать каталог репликации.

Ошибка 0146

Если файлы пользователя распакованы в локальный каталог, то общий путь может быть слишком длинным.

Эта ошибка в Машинное обучение Azure возникает при извлечении файлов, но некоторые имена файлов имеют слишком большую длину при распаковке.

Решение: Измените имена файлов так, чтобы длина Объединенных пути и имени файла не превышала 248 символов.

Сообщения об исключении
Длина пути репликации превышает 248 символов, сократите имя скрипта или путь.

Ошибка 0147

По какой бы причине не удалось скачать материалы из GitHub

Эта ошибка в Машинное обучение Azure возникает, когда невозможно прочитать или скачать указанные файлы из GitHub.

Решение: Эта ошибка может быть временной; Вы можете попытаться получить доступ к файлам в другое время. Или убедитесь, что имеются необходимые разрешения и источник является допустимым.

Сообщения об исключении
Ошибка доступа GitHub.
Ошибка доступа GitHub. {0}

Ошибка 0148

Проблемы несанкционированного доступа при извлечении данных или создании каталога.

Эта ошибка в Машинное обучение Azure возникает при попытке создать каталог или считывать данные из хранилища, но не имеют необходимых разрешений.

Решение.

Сообщения об исключении
Исключение несанкционированного доступа при извлечении данных.

Ошибка 0149

Файл пользователя не существует в пакете GitHub.

Эта ошибка в Машинное обучение Azure возникает, если не удается найти указанный файл.

Решение.

Сообщения об исключении
Файл GitHub не найден.
Файл GitHub не найден.: {0}

Ошибка 0150

Скрипты, поступающие из пользовательского пакета, не могут быть распакованы, вероятнее всего, из-за конфликта с файлами GitHub.

Эта ошибка в Машинное обучение Azure возникает, когда не удается извлечь скрипт, обычно при наличии существующего файла с тем же именем.

Решение.

Сообщения об исключении
Не удалось распаковать пакет; возможное конфликт имен с файлами GitHub.

Ошибка 0151

Произошла ошибка при записи в облачное хранилище. Проверьте URL-адрес.

Эта ошибка в Машинное обучение Azure возникает, когда модуль пытается записать данные в облачное хранилище, но URL-адрес недоступен или недопустим.

Решение. Проверьте URL-адрес и убедитесь, что он доступен для записи.

Сообщения об исключении
Ошибка при записи в облачное хранилище (возможно, это неверный URL-адрес).
Ошибка при записи в облачное хранилище: {0} . Проверьте URL-адрес.

Ошибка 0152

Тип облака Azure был неправильно указан в контексте модуля.

Сообщения об исключении
Недопустимый тип облака Azure
Недопустимый тип облака Azure: {0}

Ошибка 0153

Указана недопустимая конечная точка хранилища.

Сообщения об исключении
Недопустимый тип облака Azure
Неправильная конечная точка хранилища: {0}

Ошибка 0154

Не удалось разрешить указанное имя сервера

Сообщения об исключении
Не удалось разрешить указанное имя сервера
{0}Не удалось разрешить указанный Server. Documents.Azure.com

Ошибка 0155

Клиент DocDb выдал исключение

Сообщения об исключении
Клиент DocDb выдал исключение
Клиент DocDb: {0}

Ошибка 0156

Неправильный ответ для сервера HCatalog.

Сообщения об исключении
Неправильный ответ для сервера HCatalog. Убедитесь, что все службы работают.
Неправильный ответ для сервера HCatalog. Убедитесь, что все службы работают. Сведения об ошибке: {0}

Ошибка 0157

Произошла ошибка при чтении из Azure Cosmos DB из-за несоответствия или других схем документа. Для читателя требуется, чтобы все документы имели одну и ту же схему.

Сообщения об исключении
Обнаруженные документы с разными схемами. Убедитесь, что все документы имеют одну и ту же схему

Ошибка 1000

Внутреннее исключение библиотеки.

Эта ошибка выдается для перехвата необработанных ошибок внутреннего модуля. Поэтому причины этой ошибки могут отличаться в зависимости от модуля, создавшего ошибку.

Чтобы получить дополнительную помощь, рекомендуется опубликовать подробное сообщение об ошибке на форуме Машинного обучения Azure, а также описание сценария, включая данные, используемые в качестве входных данных. Эти отзывы помогут нам установить приоритеты для ошибок и найти наиболее важные проблемы для дальнейшей работы.

Сообщения об исключении
Library exception (Исключение библиотеки).
Исключение библиотеки: {0}
{0} исключение библиотеки: {1}

Дополнительная справка

Коды ошибок модуля

Вам нужна дополнительная помощь или советы по устранению неполадок Машинное обучение Azure? Попробуйте следующие ресурсы: