使用錯誤碼針對 Azure Machine Learning 中的模組例外狀況進行疑難排解

瞭解在 Azure Machine Learning Studio (傳統) 中使用模組可能遇到的錯誤訊息和例外狀況代碼。

若要解決此問題,請查看本文中的錯誤,以瞭解常見的原因。 有兩種方式可以在 Studio (傳統) 中取得錯誤訊息的完整文字:

  • 按一下右窗格中的連結、[ 查看輸出記錄 檔],並向下移動。 詳細的錯誤訊息會顯示在視窗的最後兩行中。

  • 選取具有錯誤的模組,然後按一下紅色 X。只會顯示相關的錯誤文字。

如果錯誤訊息正文沒有説明,請將內容的相關資訊以及任何想要的新增或變更傳送給我們。 您可以提交錯誤主題的意見反應,或造訪 AZURE MACHINE LEARNING STUDIO 論壇 並張貼問題。

錯誤 0001

如果找不到資料集的一或多個指定的資料行,就會發生例外狀況。

如果為模組進行資料行選擇,但選取的資料行不存在於輸入資料集中,您就會看到此錯誤。 如果您已手動輸入資料行名稱,或是資料行選取器提供了在您執行實驗時,資料集內不存在的建議資料行,就會發生這個錯誤。

解決方案: 重新瀏覽擲回此例外狀況的模組,並驗證資料行名稱正確無誤,且所有參考的資料行都存在。

例外狀況訊息
找不到一或多個指定的資料行
找不到名稱或索引為 "" 的資料行 {0}
{0}"" 中不存在名稱或索引為 "" 的資料行 {1}

錯誤 0002

如果有一或多個參數無法剖析或從指定的類型轉換成目標方法所需的類型,就會發生例外狀況。

如果您將參數指定為輸入,但值類型與預期的類型不同,且無法執行隱含轉換,就會在 Azure Machine Learning 中發生此錯誤。

解決方案: 檢查模組需求,並確認所需的值類型 (字串、整數、雙精度浮點數等)

例外狀況訊息
無法剖析參數
無法剖析 " {0} " 參數
無法剖析 (將) " {0} " 參數轉換成 " {1} "
無法將 " {0} " 參數從 "" 轉換成 {1} " {2} "
無法將 "" {0} 參數值 " {1} " 從 "" {2} 轉換成 " {3} "
無法將資料行 "" 中的值 "" 從 "" 轉換成 "", {0} {1} {2} {3} 但提供的格式為 " {4} "

錯誤 0003

如果一或多個輸入為 Null 或空白,就會發生例外狀況。

如果模組的任何輸入或參數為 Null 或空白,您就會在 Azure Machine Learning 中看到此錯誤。 例如,當您未輸入任何參數值時,就可能會發生此錯誤。 如果您選擇有遺漏值的資料集或空的資料集,也可能會發生此錯誤。

解決方案:

  • 開啟產生例外狀況的模組,並確認所有輸入皆已指定。 請確定所有必要的輸入皆已指定。
  • 確定從 Azure 儲存體載入的資料可供存取,且帳戶名稱或金鑰並未變更。
  • 檢查輸入資料中是否有遺漏值或 Null。
  • 如果對資料來源使用查詢,請確認資料是以您預期的格式傳回。
  • 檢查資料規格中是否有錯字或其他變更。
例外狀況訊息
一或多個輸入為 null 或空白
輸入 " {0} " 是 null 或空白

錯誤 0004

如果參數小於或等於特定值,就會發生例外狀況。

如果訊息中的參數低於模組處理資料所需的界限值,您就會在 Azure Machine Learning 中看到此錯誤。

解決方案: 重新瀏覽擲回例外狀況的模組,並將參數修改為大於指定的值。

例外狀況訊息
參數應大於界限值。
參數 " {0} " 值應大於 {1} 。
參數 " {0} " 的值 " {1} " 應該大於 {2}

錯誤 0005

如果參數小於特定值,就會發生例外狀況。

如果訊息中的參數低於或等於模組處理資料所需的界限值,您就會在 Azure Machine Learning 中看到此錯誤。

解決方案: 重新瀏覽擲回例外狀況的模組,並將參數修改為大於或等於指定的值。

例外狀況訊息
參數應該大於或等於界限值。
參數 " {0} " 值應該大於或等於 {1} 。
參數 " {0} " 的值 " {1} " 應該大於或等於 {2} 。

錯誤 0006

如果參數大於或等於指定值,就會發生例外狀況。

如果訊息中的參數大於或等於模組處理資料所需的界限值,您就會在 Azure Machine Learning 中看到此錯誤。

解決方案: 重新瀏覽擲回例外狀況的模組,並將參數修改為小於指定的值。

例外狀況訊息
參數不相符。 其中一個參數應該小於另一個。
參數 " {0} " 值應小於參數 " {1} " 值。
參數 " {0} " 的值 " {1} " 應該小於 {2} 。

錯誤 0007

如果參數大於特定值,就會發生例外狀況。

如果您在模組的屬性中指定了大於允許值的值,就會在 Azure Machine Learning 中看到此錯誤。 例如,您可能會指定超出支援日期範圍的資料,或者,您可能會在只有三個可用的資料行時指定要使用五個資料行。

如果您指定需要以某種方式相符的兩組資料,也可能會看到此錯誤。 例如,如果您要重新命名資料行,並依索引指定資料行,則您提供的名稱數目必須符合資料行索引的數目。 此外,使用兩個資料行,且兩者必須具有相同資料列數目的數學運算,也可能屬於此例。

解決方案:

  • 開啟有問題的模組,並檢閱任何數值屬性設定。
  • 確定任何參數值都落在該屬性的支援值範圍內。
  • 如果模組使用多個輸入,請確定輸入的大小相同。
  • 如果模組有多個可設定的屬性,請確定相關的屬性具有適當的值。 例如,將 群組資料使用於 bin 時,如果您使用選項來指定自訂的 bin 邊緣,則 bin 數目必須符合您提供為 bin 界限的值數目。
  • 檢查資料集或資料來源是否有所變更。 有時,使用舊版資料的值在資料行數目、資料行的資料類型或資料大小變更之後,即會失敗。
例外狀況訊息
參數不相符。 其中一個參數應小於或等於另一個。
參數 " {0} " 值應該小於或等於參數 " {1} " 值。
參數 " {0} " 的值 " {1} " 應該小於或等於 {2} 。

錯誤 0008

如果參數不在範圍內,就會發生例外狀況。

如果訊息中的參數不在模組處理資料所需的界限內,您就會在 Azure Machine Learning 中看到此錯誤。

例如,如果您嘗試使用 [新增資料列] 來結合兩個具有不同資料行數目的資料集,就會顯示此錯誤。

解決方案: 重新瀏覽擲回例外狀況的模組,並將參數修改為位於指定範圍內。

例外狀況訊息
參數值不在指定的範圍內。
參數 " {0} " 值不在範圍內。
參數 " {0} " 值應該在 [,] 的範圍 {1} 內 {2} 。

錯誤 0009

當指定的 Azure 儲存體帳戶名稱或容器名稱不正確時,就會發生例外狀況。

當您指定 Azure 儲存體帳戶的參數,但無法解析名稱或密碼時,Azure Machine Learning Studio (傳統) 中會發生此錯誤。 密碼或帳戶名稱發生錯誤可能有許多原因:

  • 帳戶的類型錯誤。 某些新的帳戶類型不支援搭配 Machine Learning Studio (傳統) 使用。 如需詳細資訊,請參閱匯入資料
  • 您輸入的帳戶名稱不正確
  • 帳戶已不存在
  • 儲存體帳戶的密碼錯誤或已變更
  • 您未指定容器名稱,或容器不存在
  • 您未完整指定檔案路徑 (Blob 的路徑)

解決方案:

這類問題通常發生在您嘗試手動輸入帳戶名稱、密碼或容器路徑時。 我們建議您對匯入資料模組使用新的精靈,這有助於您查閱和檢查名稱。

同時請檢查帳戶、容器或 Blob 是否已刪除。 請使用另一個 Azure 儲存體公用程式,確認帳戶名稱和密碼皆已正確輸入,且容器確實存在。

Azure Machine Learning 不支援某些較新的帳戶類型。 例如,新的「經常性存取」或「冷」儲存體類型無法用於機器學習。 傳統儲存體帳戶和建立為「一般用途」的儲存體帳戶都可正常運作。

如果指定了 Blob 的完整路徑,請確認路徑指定為 container/blobname,且容器和 Blob 都存在於帳戶中。

路徑不應包含前置斜線。 例如, /container/blob 並不正確,而應輸入為 container/blob

資源

請參閱這篇文章,以瞭解支援的不同儲存體選項: 使用匯入資料模組將資料從各種線上資料來源匯入 Azure Machine Learning Studio (傳統)

實驗範例

如需如何連接到不同資料來源的範例,請參閱 Cortana 智慧資源庫 中的這些實驗:

例外狀況訊息
Azure 儲存體帳戶名稱或容器名稱不正確。
Azure 儲存體帳戶名稱 " {0} " 或容器名稱 " {1} " 不正確; 應為容器/blob 格式的容器名稱。

錯誤 0010

如果輸入資料集有應符合但卻不符的資料行名稱,就會發生例外狀況。

如果訊息中的資料行索引在兩個輸入資料集中有不同的資料行名稱,您就會在 Azure Machine Learning 中看到此錯誤。

解決方案: 使用 編輯中繼資料或修改原始資料集,讓指定的資料行索引具有相同的資料行名稱。

例外狀況訊息
在輸入資料集中有對應索引的資料行具有不同的名稱。
資料行名稱在 {0} 輸入資料集的以零為基底) (的資料行名稱不同 ({1} 和 {2} 分別) 。

錯誤 0011

如果傳遞的資料行集引數不適用於任何資料集資料行,就會發生例外狀況。

如果指定的資料行選取不符合給定資料集中的任何資料行,您就會在 Azure Machine Learning 中看到此錯誤。

如果您未選取資料行,而模組至少必須有一個資料行才能運作,也可能發生此錯誤。

解決方案: 修改模組中的資料行選取,使其適用於資料集中的資料行。

如果模組要求您選取特定資料行 (例如標籤資料行),請確認您已選取正確的資料行。

如果選取了不適當的資料行,請將其移除,然後重新執行實驗。

例外狀況訊息
指定的資料行集不適用於任何資料集資料行。
指定的資料行集 " {0} " 不適用於任何資料集資料行。

錯誤 0012

如果無法以傳入的引數集合建立類別的執行個體,就會發生例外狀況。

解決方案: 使用者無法對此錯誤採取任何動作,且未來的版本將會淘汰此錯誤。

例外狀況訊息
未定型的模型,先訓練模型。
未 {0} 定型的模型 () ,請使用定型的模型。

錯誤 0013

如果傳至模組的學習模組是無效的類型,就會發生例外狀況。

當定型的模型與連線的評分模組不相容時,就會發生此錯誤。 例如,將 定型 Matchbox 推薦 的輸出連接到 評分模型 (而不是 評分 Matchbox 推薦) 將會在執行實驗時產生這個錯誤。

解決方案:

確認定型模組所產生的學習模組類型,並決定適用於學習模組的評分模組。

如果模型是使用任何特殊化定型模組進行定型,則定型的模型僅應連線至對應的特殊化評分模組。

模型類型 定型模組 評分模組
任何分類器 定型模型微調模型超參數 評分模型
任何迴歸模型 定型模型微調模型超參數 評分模型
群集模型 定型叢集模型分析叢集 將資料指派給叢集
異常偵測-One-Class SVM 定型異常偵測模型 評分模型
異常偵測-PCA 定型模型微調模型超參數 評分模型
需要一些額外的步驟來評估模型。
異常偵測-時間序列 時間序列異常偵測 從資料訓練模型並產生分數。 此模組不會建立定型的學習模組,也不需要額外的評分。
建議模型 定型 Matchbox 推薦 計分 Matchbox 推薦
影像分類 預先定型的重疊顯示影像分類 評分模型
Vowpal Wabbit 模型 定型 Vowpal Wabbit 7-4 版模型 計分 Vowpal Wabbit 7-4 版模型
Vowpal Wabbit 模型 定型 Vowpal Wabbit 7-10 版模型 計分 Vowpal Wabbit 7-10 版模型
Vowpal Wabbit 模型 定型 Vowpal Wabbit 第8版模型 計分 Vowpal Wabbit 第8版模型
例外狀況訊息
傳遞的學習模組類型無效。
學習模組 " {0} " 的類型無效。

錯誤 0014

如果資料行唯一值的計數大於允許計數,就會發生例外狀況。

當資料行包含太多唯一值時,就會發生此錯誤。 例如,如果您指定要將資料行當作類別資料來處理,但資料行中有太多唯一值而無法完成處理,就可能會出現此錯誤。 如果兩個輸入中的唯一值數目不相符,也可能會出現此錯誤。

解決方案:

開啟產生錯誤的模組,並識別作為輸入的資料行。 對於某些模組,您可以用滑鼠右鍵按一下資料集輸入,然後選取 [視覺化] 以取得個別資料行的統計資料,包括唯一值的數目及其分布。

對於您想要用於分組或分類的資料行,請採取相關步驟以減少資料行中的唯一值數目。 有多種方式可以減少此數目,視資料行的資料類型而定。

提示

找不到與您的案例相符的解決方法嗎? 您可以提供此主題的意見反應,包括產生錯誤的模組名稱,以及資料行的資料類型和基數。 我們將使用此資訊,為常見案例提供更具針對性的疑難排解步驟。

例外狀況訊息
資料行唯一值的數目大於允許的數目。
資料行中的唯一值數目: " {0} " 超過的元組計數 {1} 。

錯誤 0015

如果資料庫連線失敗,就會發生例外狀況。

如果您輸入不正確的 SQL 帳戶名稱、密碼、資料庫伺服器或資料庫名稱,或因為資料庫或伺服器發生問題而無法建立資料庫的連線,就會看到此錯誤。

解決方案: 確認帳戶名稱、密碼、資料庫伺服器和資料庫皆已正確輸入,且指定的帳戶具有正確的權限層級。 確認資料庫目前可供存取。

例外狀況訊息
建立資料庫連線時發生錯誤。
進行資料庫連接時發生錯誤: {0} 。

錯誤 0016

如果傳至模組的輸入資料集應有相容的資料行類型,但卻沒有,就會發生例外狀況。

如果傳入兩個或更多個資料集的資料行類型彼此不相容,您就會在 Azure Machine Learning 中看到此錯誤。

解決方式: 使用 [ 編輯中繼資料]、修改原始輸入資料集,或使用 [ 轉換成資料集 ],以確保資料行的類型是相容的。

例外狀況訊息
在輸入資料集中有對應索引的資料行具有不相容的類型。
資料行 {0} 與 {1} 不相容。
資料行元素類型與 {0} 輸入資料集以零為基底) 的資料行 ({1} , (且 {2} 分別) 。

錯誤 0017

如果選取的資料行使用目前的模組不支援的資料類型,就會發生例外狀況。

例如,如果您的資料行選取包含的資料行具有無法由模組處理的資料類型 (例如,數學運算的字串資料行,或需要類別特徵資料行的分數資料行),就可能會在 Azure Machine Learning 中看到此錯誤。

解決方案:

  1. 識別問題所在的資料行。
  2. 檢閱模組的需求。
  3. 修改資料行,使其符合需求。 您可能需要使用下列幾個模組來進行變更,視資料行和您嘗試進行的轉換而定:
    • 使用編輯中繼資料來變更資料行的資料類型,或將資料行的使用方式從特徵變更為數值、從類別變更為非類別等等。
    • 您可以使用 [ 轉換成資料集 ],確保所有包含的資料行都使用 Azure Machine Learning 所支援的資料類型。 如果您無法轉換資料行,請考慮從輸入資料集移除它們。
    • 您可以使用 [套用 SQL 轉換 ] 或 [ 執行 R 腳本 ] 模組,來轉換或轉換無法使用 [ 編輯中繼資料] 修改的任何資料行。 這些模組提供更大的彈性來處理 datetime 資料類型。
    • 針對數值資料類型,您可以使用 [套用 數學運算 ] 模組來四捨五入或截斷值,或使用 [ 裁剪值 ] 模組來移除超出範圍值。
  4. 若上述方式都不可行,您可能需要修改原始的輸入資料集。

提示

找不到與您的案例相符的解決方法嗎? 您可以提供此主題的意見反應,包括產生錯誤的模組名稱,以及資料行的資料類型和基數。 我們將使用此資訊,為常見案例提供更具針對性的疑難排解步驟。

例外狀況訊息
無法處理目前類型的資料行。 模組不支援此類型。
無法處理類型為的資料行 {0} 。 模組不支援此類型。
無法處理 {1} 類型為的資料行 "" {0} 。 模組不支援此類型。
無法處理 {1} 類型為的資料行 "" {0} 。 模組不支援此類型。 參數名稱: {2}

錯誤 0018

如果輸入資料集無效,就會發生例外狀況。

解決方案: Azure Machine Learning 中的這項錯誤可能出現在許多內容中,因此並沒有單一解決方法。 一般而言,此錯誤表示提供作為模組輸入的資料具有錯誤的資料行數目,或資料類型不符合模組的需求。 例如:

  • 模組需要標籤資料行,但沒有任何資料行標示為標籤,或您尚未選取標籤資料行。

  • 模組需要的是類別資料,但您的資料是數值。

  • 模組需要特定的資料類型。 例如,提供給 定型 Matchbox 推薦 的評等可以是數值或類別,但不能是浮點數。

  • 資料的格式錯誤。

  • 匯入的資料包含無效的字元、錯誤的值或超出範圍的值。

  • 資料行是空的,或包含太多遺漏值。

若要確認需求和資料可能的屬性,請檢閱將使用資料集作為輸入的模組適用的說明主題。

我們也建議您使用 摘要資料計算基本統計 資料來分析您的資料,並使用這些模組來修正中繼資料和清除值: 編輯中繼資料清除遺漏的資料裁剪值

例外狀況訊息
資料集無效。
{0} 包含不正確資料。
{0} 和 {1} 應該是一致的資料行。

錯誤 0019

如果資料行應包含已排序的值,但卻沒有,就會發生例外狀況。

如果指定的資料行值順序錯誤,您就會在 Azure Machine Learning 中看到此錯誤。

解決方案: 手動修改輸入資料集並重新執行模組,以排序資料行值。

例外狀況訊息
資料行中的值未排序。
資料行 "" 中的值 {0} 未排序。
{0}資料集 "" 的資料行 "" 中的值 {1} 未排序。

錯誤 0020

如果傳至模組的某些資料集中的資料行數目太少,就會發生例外狀況。

如果為模組選取的資料行不夠多,您就會在 Azure Machine Learning 中看到此錯誤。

解決方案: 重新瀏覽模組,並確定資料行選取器已選取正確數量的資料行。

例外狀況訊息
輸入資料集中的資料行數目小於允許的最小值。
輸入資料集中的資料行數目小於允許的最小資料 {0} 行 (s) 。
輸入資料集 "" 中的資料行數目 {0} 小於允許的最小資料 {1} 行 (s) 。

錯誤 0021

如果傳至模組的某些資料集中的資料列數目太少,就會發生例外狀況。

當資料集中沒有足夠的資料列可執行指定的作業時,就會在 Azure Machine Learning 中出現此錯誤。 例如,如果輸入資料集是空的,或您嘗試執行的作業至少需要特定數量的有效資料列,就可能會出現此錯誤。 這類作業包括 (但不限於) 以統計方法為基礎的分組或分類、特定類型的量化,以及透過計數的學習。

解決方案:

  • 開啟傳回錯誤的模組,並檢查輸入資料集和模組屬性。
  • 確認輸入資料集不是空的,且有足夠的資料列可符合模組說明中說明的需求。
  • 如果您的資料是從外部來源載入的,請確定該資料來源可供使用,且資料定義中沒有任何錯誤或變更會導致匯入程序取得較少的資料列。
  • 如果您要對模組的上游資料執行可能對資料類型或值的數目產生影響的作業 (例如清除、分割或聯結作業),請檢查這些作業的輸出,以確認傳回的資料列數目。

錯誤 0022

如果輸入資料集中選取的資料行數目不等於預期的數目,就會發生例外狀況。

當下游模組或作業需要特定數目的資料行或輸入,但您提供了太少或太多的資料行或輸入時,就會在 Azure Machine Learning 中發生此錯誤。 例如:

  • 您指定單一標籤資料行或索引鍵資料行,但不慎選取了多個資料行。

  • 您要重新命名資料行,但提供的名稱多於或少於資料行的數目。

  • 來源或目的地中的資料行數目已變更,或不符合模組所使用的資料行數目。

  • 您為輸入提供了以逗點分隔的值清單,但值的數目不相符,或有多個輸入不受支援。

解決方案: 重新瀏覽模組,並檢查資料行選取,以確定已選取正確的資料行數目。 確認上游模組的輸出,以及下游作業的需求。

如果您使用一個可選取多個資料行 (資料行索引、所有特徵、所有數值等等) 的資料行選取選項,請驗證該選項所傳回的確切資料行數目。

如果您嘗試指定以逗號分隔的資料集清單,做為將 壓縮資料集解壓縮的輸入,請一次只解壓縮一個資料集。 不支援多個輸入。

確認上游資料行的數目或類型並未變更。

如果您要使用建議資料集來定型模型,請您切記,推薦系統預期資料行數目應有限制,且對應於使用者項目配對或使用者項目排名。 在定型模型或分割建議資料集之前,請先移除多餘的資料行。 如需詳細資訊,請參閱分割資料

例外狀況訊息
輸入資料集中選取的資料行數目不等於預期的數目。
輸入資料集中選取的資料行數目不等於 {0} 。
資料行選取模式 " {0} " 提供輸入資料集中所選資料行的數目不等於 {1} 。
資料行選取模式 " {0} " 預期會提供 {1} 在輸入資料集中選取的資料行 () ,但是 {2} 會提供資料行 () 。

錯誤 0023

如果輸入資料集的目標資料行對目前的定型模組而言無效,就會發生例外狀況。

如果目標資料行 (在模組參數中選取的資料行) 不是有效的資料類型、包含所有遺漏值,或不是預期的類別,就會在 Azure Machine Learning 中發生此錯誤。

解決方案: 重新瀏覽模組輸入,以檢查標籤/目標資料行的內容。 請確定資料行並沒有所有遺漏值。 如果模組預期目標資料行是類別資料行,請確定目標資料行中多個相異值。

例外狀況訊息
輸入資料集具有不支援的目標資料行。
輸入資料集具有不支援的目標資料行 " {0} "。
針對類型的學習模組,輸入資料集具有不支援的目標資料行 " {0} " {1} 。

錯誤 0024

如果資料集未包含標籤資料行,就會發生例外狀況。

當模組需要標籤資料行,但資料集沒有標籤資料行時,就會在 Azure Machine Learning 中發生此錯誤。 例如,在評估已評分的資料集時,通常需要有標籤資料行才能計算正確性計量。

如果資料集有標籤資料行,但 Azure Machine Learning 無法正確偵測到,也可能會發生此錯誤。

解決方案:

  • 開啟產生錯誤的模組,並確認標籤資料行是否存在。 資料行的名稱或資料類型並不重要,只要資料行包含您嘗試預測的單一結果 (或相依變數) 即可。 如果您不確定哪一個資料行具有標籤,請尋找 類別目標 之類的一般名稱。
  • 如果資料集未包含標籤資料行,表示可能已在上游明確或意外刪除了標籤資料行。 此外也可能是因為資料集不是上游評分模組的輸出。
  • 若要明確地將資料行標示為標籤資料行,請新增編輯中繼資料模組,並連接資料集。 請選取標籤資料行,然後從 [欄位] 下拉式清單中選取 [標籤]。
  • 如果選擇了錯誤的資料行作為標籤,您可以從 [欄位] 中選取 [清除標籤],以修正資料行上的中繼資料。
例外狀況訊息
資料集中沒有標籤資料行。
"" 中沒有標籤資料行 {0} 。

錯誤 0025

如果資料集未包含分數資料行,就會發生例外狀況。

如果評估模型的輸入未包含有效的分數資料行,就會在 Azure Machine Learning 中發生此錯誤。 例如,使用者在使用正確的定型模型進行評分之前即嘗試評估資料集,或分數資料行已在上游明確遭到捨棄。 如果兩個資料集上的分數資料行不相容,也會發生此例外狀況。 例如,您可能會嘗試比較線性回歸輸入變數與二元分類器的精確度。

解決方案: 重新瀏覽評估模型的輸入,並檢查其中是否包含一或多個分數資料行。 如果不是,表示資料集並未評分,或分數資料行已在上游模組中遭到捨棄。

例外狀況訊息
資料集中沒有分數資料行。
"" 中沒有分數資料行 {0} 。
"" 產生的 "" 中沒有分數資料行 {0} {1} 。 請使用正確類型的學習模組為資料集評分。

錯誤 0026

如果不允許具有相同名稱的資料行,就會發生例外狀況。

如果多個資料行具有相同的名稱,就會在 Azure Machine Learning 中發生此錯誤。 您會看到此錯誤的狀況之一,是系統在資料集沒有標頭資料列的情況下自動指派了資料行名稱:Col0、Col1 等等。

解決方案: 如果多個資料行具有相同的名稱,請在輸入資料集與模組之間插入 編輯中繼資料模組。 請使用編輯中繼資料中的資料行選取器來選取要重新命名的資料行,然後在 [新的資料行名稱] 文字方塊中輸入新名稱。

例外狀況訊息
在引數中指定了相同的資料行名稱。 模組不允許相同的資料行名稱。
引數 " {0} " 和 " {1} " 中不允許有相同的資料行名稱。 請指定不同的名稱。

錯誤 0027

如果兩個物件的大小必須相同,但卻不是,就會發生例外狀況。

這是 Azure Machine Learning 常見的錯誤,可能是因為許多狀況所造成。

解決方案: 沒有特定的解決方法。 不過,您可以確認以下情況:

  • 如果您要重新命名資料行,請確定每份清單 (輸入資料行和新名稱清單) 都有相同數目的項目。

  • 如果您要聯結或串連兩個資料集,請確定兩者具有相同的結構描述。

  • 如果您要聯結兩個具有多個資料行的資料集,請確定索引鍵資料行具有相同的資料類型,然後選取 [允許選取範圍中有重複項並保留資料行順序] 選項。

例外狀況訊息
傳遞的物件大小不一致。
"" 的大小 {0} 與 "" 的大小不一致 {1} 。

錯誤 0028

當資料行集包含重複的資料行名稱,但不允許如此時,就會發生例外狀況。

當資料行名稱重複 (即不是唯一的) 時,就會在 Azure Machine Learning 中發生此錯誤。

解決方案: 若有任何資料行具有相同的名稱,請在輸入資料集與引發錯誤的模組之間新增 編輯中繼資料的執行個體。 請使用編輯中繼資料中的資料行選取器來選取要重新命名的資料行,然後在 [新的資料行名稱] 文字方塊中輸入新的資料行名稱。 如果您要重新命名多個資料行,請確定您在 [新的資料行名稱] 中輸入的值是唯一的。

例外狀況訊息
資料行集包含重複的資料行名稱。
名稱 " {0} " 是重複的。
"" 中的名稱 " {0} " 是重複的 {1} 。

錯誤 0029

傳入無效的 URI 時,就會發生例外狀況。

傳入無效的 URI 時,就會在 Azure Machine Learning 中發生此錯誤。 如果下列任何一個條件成立,您將會收到此錯誤:或。

  • 為 Azure Blob 儲存體提供以用於讀取或寫入的公用或 SAS URI 包含錯誤。

  • SAS 的時間範圍已過期。

  • 透過 HTTP 來源的 Web URL 代表檔案或回送 URI。

  • 透過 HTTP 的 Web URL 包含格式不正確的 URL。

  • 遠端來源無法解析 URL。

解決方案: 重新瀏覽模組,並確認 URI 的格式。 如果資料來源是透過 HTTP 的 Web URL,請確認預定的來源並不是檔案或回送 URI (localhost)。

例外狀況訊息
傳遞的 URI 無效。

錯誤 0030

無法下載檔案時,就會發生例外狀況。

無法下載檔案時,就會在 Azure Machine Learning 中發生此例外狀況。 在嘗試讀取 HTTP 來源時若歷經了三 (3) 次重試而失敗,就會發生此例外狀況。

解決方案: 確認 HTTP 來源的 URI 正確無誤,且目前可透過網際網路存取該網站。

例外狀況訊息
無法下載檔案。
下載檔案時發生錯誤: {0} 。

錯誤 0031

如果資料行集中的資料行數目少於所需,就會發生例外狀況。

如果選取的資料行數目少於所需,就會在 Azure Machine Learning 中發生此錯誤。 如果未選取所需的最小資料行數目,您就會看到此錯誤。

解決方案: 使用 資料行選取器,在資料行選取中新增更多資料行。

例外狀況訊息
資料行集中的資料行數目小於所需。
{0} 應指定資料行 (s) 。 指定資料行的實際數目是 {1}。

錯誤 0032

如果引數不是數字,就會發生例外狀況。

如果引數為雙精度浮點數或 NaN,您就會在 Azure Machine Learning 中看到此錯誤。

解決方案: 將指定的引數修改為使用有效的值。

例外狀況訊息
引數不是數字。
" {0} " 不是數位。

錯誤 0033

如果引數無限制,就會發生例外狀況。

如果引數無限制,就會在 Azure Machine Learning 中發生此錯誤。 如果引數是 double.NegativeInfinitydouble.PositiveInfinity,您就會看到此錯誤。

解決方案: 將指定的引數修改為有效的值。

例外狀況訊息
引數必須是有限。
" {0} " 不是限定的。

錯誤 0034

如果給定的使用者/項目配對有多個評等,就會發生例外狀況。

如果使用者/項目配對有多個評等值,就會在 Azure Machine Learning 的建議中發生此錯誤。

解決方案: 確定使用者/項目配對只有一個評等值。

例外狀況訊息
資料集中的值有多個評等。
{0}評等預測資料表中的使用者和專案有一個以上的評等 {1} 。

錯誤 0035

若未提供指定使用者或項目的特徵,就會發生例外狀況。

當您嘗試使用建議模型進行評分,但找不到特徵向量時,就會在 Azure Machine Learning 中發生此錯誤。

解決方案:

Matchbox 推薦具有某些必須在使用項目特徵或使用者特徵時必須符合的需求。 發生此錯誤時,表示您提供作為輸入的使用者或項目缺少特徵向量。 您必須確定每個使用者或專案的資料中都有可用的功能向量。

例如,如果您使用像是使用者年齡、地點或收入等特徵來定型建議模型,但現在想要為在進行定型期間未看到的新使用者建立分數,則必須針對新使用者提供一組對等的特徵 (也就是年齡、地點和收入值),為他們做出適當的預測。

如果您沒有這些使用者的任何特徵,請考慮使用特徵工程來產生適當的特徵。 例如,如果您沒有個別使用者的年齡或收入值,您可以產生近似值供使用者群組使用。

當您從建議模式進行評分時,只有在您先前在定型期間使用專案或使用者功能時,才能使用專案或使用者功能。 如需詳細資訊,請參閱 評分 Matchbox 推薦

如需有關 Matchbox 建議演算法如何運作的一般資訊,以及如何準備專案特徵或使用者特徵的資料集,請參閱 定型 Matchbox 推薦

提示

解決方法不適用於您的案例嗎? 歡迎您傳送本文的意見反應,並提供案例的相關資訊,包括模組和資料行中的資料列數目。 我們未來將使用此資訊提供更詳細的疑難排解步驟。

例外狀況訊息
未針對必要的使用者或項目提供特徵。
{0}必要但未提供的功能。

錯誤 0036

如果未給定的使用者或項目提供多個特徵向量,就會發生例外狀況。

如果重複定義了特徵向量,就會在 Azure Machine Learning 中發生此錯誤。

解決方案: 確定未重複定義特徵向量。

例外狀況訊息
使用者或項目的特徵定義重複。
的複製功能定義 {0} 。

錯誤 0037

如果指定了多個標籤資料行,但僅允許一個,就會發生例外狀況。

如果選取了多個資料行作為新的標籤資料行,就會在 Azure Machine Learning 中發生此錯誤。 受監督的學習演算法大多都需要將單一資料行標示為目標或標籤。

解決方案: 確實選取單一資料行作為新的標籤資料行。

例外狀況訊息
指定了多個標籤資料行。

錯誤 0038

如果預期的項目數目應該是精確的值,但卻不是,就會發生例外狀況。

如果預期的專案數目應該是精確的值,但卻不是,就會在 Azure Machine Learning 發生此錯誤。 如果元素數目不等於有效的預期值,您將會收到這個錯誤。

解決方式: 請將輸入修改為具有正確的元素數目。

例外狀況訊息
無效的元素數目。
"" 中的元素數目無效 {0} 。
"" 中的元素數目 {0} 不等於 {1} (s) 的有效元素數目。

錯誤 0039

如果作業失敗,就會發生例外狀況。

當內部作業無法完成時,就會在 Azure Machine Learning 中發生此錯誤。

解決方案: 此錯誤由許多狀況所造成,並沒有特定的補救方式。
下表包含此錯誤的一般訊息,其後則是條件的具體說明。

如果沒有可用的詳細資料,請 傳送意見 反應,並提供產生錯誤的模組以及相關條件的相關資訊。

例外狀況訊息
作業失敗。
完成操作時發生錯誤: {0} 。

錯誤 0040

呼叫已被取代的模組時,就會發生例外狀況。

呼叫已淘汰的模組時,會產生 Azure Machine Learning 中的這個錯誤。

解決方式: 以支援的模組取代已被取代的模組。 請參閱模組輸出記錄檔,以取得要改用哪個模組的相關資訊。

例外狀況訊息
存取已被取代的模組。
模組 " {0} " 已淘汰。 請改用模組 " {1} "。

錯誤 0041

呼叫已被取代的模組時,就會發生例外狀況。

呼叫已淘汰的模組時,會產生 Azure Machine Learning 中的這個錯誤。

解決方式: 以一組支援的模組取代已被取代的模組。 這項資訊應該會顯示在模組輸出記錄檔中。

例外狀況訊息
存取已被取代的模組。
模組 " {0} " 已淘汰。 使用模組 " {1} " 以取得所要求的功能。

錯誤 0042

無法將資料行轉換為另一種類型時,就會發生例外狀況。

如果無法將資料行轉換為指定的類型,就會在 Azure Machine Learning 中發生此錯誤。 如果模組需要特定的資料類型,例如日期時間、文字、浮點數或整數,但無法將現有的資料行轉換為所需的類型,您就會看到此錯誤。

例如,當您選取資料行,然後嘗試將其轉換為用於數學運算的數值資料類型時,如果資料行包含無效的資料,您就會看到此錯誤。

另一個可能出現此錯誤的原因是,您嘗試將包含浮點數或多個唯一值的資料行作為類別資料行。

解決方案:

  • 開啟產生錯誤的模組適用的說明頁面,並確認資料類型需求。
  • 在輸入資料集中檢閱資料行的資料類型。
  • 檢查源自於所謂的無結構描述資料來源的資料。
  • 檢查資料集是否有遺漏值或特殊字元導致無法轉換為所需的資料類型。
    • 數值資料類型應該是一致的:例如,請在整數的資料行中檢查是否有浮點數。
    • 在數位資料行中尋找文字字串或 NA 值。
    • 布林值可根據所需的資料類型轉換為適當的表示法。
    • 檢查文字資料行中是否有非 unicode 字元、定位字元或控制字元
    • 日期時間資料應保持一致,以避免發生模型化錯誤,但清除作業可能因格式繁多而十分複雜。 請考慮使用 [ 執行 R 腳本 ] 或 [ 執行 Python 腳本 ] 模組來執行清除。
  • 如有必要,請修改輸入資料集中的值,以便能夠成功轉換資料行。 修改可包括量化、截斷或捨入運算、排除極端值,或插補遺漏值。 請參閱下列文章,以了解機器學習中常見的一些資料轉換案例:

提示

解決方法不清楚,或不適用於您的案例嗎? 歡迎您傳送本文的意見反應,並提供案例的相關資訊,包括模組和資料行的資料類型。 我們未來將使用此資訊提供更詳細的疑難排解步驟。

例外狀況訊息
不允許轉換。
無法將類型的資料行轉換成 {0} 類型的資料行 {1} 。
無法將類型的資料行 "" 轉換成 {2} {0} 類型的資料行 {1} 。
無法將類型的資料行 "" 轉換成 {2} {0} 類型的資料行 "" {3} {1} 。

錯誤 0043

當元素類型未明確實作 Equals 時,就會發生例外狀況。

Azure Machine Learning 中的這個錯誤未使用,將會被取代。

解決方案: 無。

例外狀況訊息
找不到可存取的明確方法 Equals。
無法比較 \ 類型的資料行 " {0} \ " 的值 {1} 。 找不到可存取的明確方法 Equals。

錯誤 0044

無法從現有值衍生資料行的元素類型時,就會發生例外狀況。

無法推斷資料集中一或多個資料行的類型時,就會在 Azure Machine Learning 中發生此錯誤。 此錯誤通常發生在串連兩個或更多具有不同元素類型的資料集時。 Azure Machine Learning 若無法判斷能夠代表一或多個資料行中的所有值而不會遺失資訊的一般類型,就會產生此錯誤。

解決方案: 確定要結合的兩個資料集中給定資料行的所有值屬於相同的類型 (數值、布林值、類別、字串、日期等),或可以強制轉型為相同的類型。

例外狀況訊息
無法衍生資料行的元素類型。
無法衍生資料行 "" 的元素類型 {0} --所有元素都是 null 參考。
無法衍生 {0} 資料集 "" 的資料行 "" 的元素類型 {1} --所有元素都是 null 參考。

錯誤 0045

因來源中的混合元素類型而無法建立資料行時,就會發生例外狀況。

當要結合的兩個資料集的元素類型不同時,就會在 Azure Machine Learning 中發生此錯誤。

解決方案: 確定要結合的兩個資料集中給定資料行的所有值屬於相同的類型 (數值、布林值、類別、字串、日期等)。

例外狀況訊息
無法建立混合元素類型的資料行。
無法以 {0} 混合元素類型的識別碼 "" 建立資料行: \ \n\t 的資料 [ {1} , {0} ] 是 {2} \n\tType 的資料 [ {3} , {0} ] 是 {4} 。

錯誤 0046

無法在指定的路徑上建立目錄時,就會發生例外狀況。

無法在指定的路徑上建立目錄時,就會在 Azure Machine Learning 中發生此錯誤。 如果 Hive 查詢輸出目錄的任何部分不正確或無法存取,就會出現此錯誤。

解決方案: 重新瀏覽模組,並確認目錄路徑的格式正確,且可使用目前的認證存取。

例外狀況訊息
請指定有效的輸出目錄。
{0}無法建立目錄:。 請指定有效的路徑。

錯誤 0047

如果傳遞給模組的某些資料集的特徵資料行數目太少,就會發生例外狀況。

如果定型的輸入資料集未包含演算法所需的最小資料行數目,就會在 Azure Machine Learning 中發生此錯誤。 這通常是因為資料集是空的,或僅包含定型資料行。

解決方式: 請重新流覽輸入資料集,以確定標籤資料行之外有一或多個額外的資料行。

例外狀況訊息
輸入資料集的特徵資料行數目小於允許的最小值。
輸入資料集的特徵資料行數目小於允許的最小資料 {0} 行 (s) 。
輸入資料集 "" 中的特徵資料行數目 {0} 小於允許的最小資料 {1} 行 (s) 。

錯誤 0048

無法開啟檔案時,就會發生例外狀況。

無法開啟檔案以進行讀取或寫入時,就會在 Azure Machine Learning 中發生此錯誤。 出現此錯誤的可能原因如下:

  • 容器或檔案 (Blob) 不存在

  • 檔案或容器的存取層級不允許您存取檔案

  • 檔案太大而無法讀取,或格式錯誤

解決方案: 重新瀏覽模組和您嘗試讀取的檔案。

確認容器和檔案的名稱正確無誤。

使用 Azure 傳統入口網站或 Azure 儲存體工具,確認您有存取該檔案的權限。

如果您嘗試讀取影像檔案,請確定它符合影像檔案的大小、圖元數等方面的需求。 如需詳細資訊,請參閱匯 入影像

例外狀況訊息
無法開啟檔案。
開啟檔案時發生錯誤: {0} 。

錯誤 0049

無法剖析檔案時,就會發生例外狀況。

無法剖析檔案時,就會在 Azure Machine Learning 中發生此錯誤。 如果在匯入資料模組中選取的檔案格式與檔案的實際格式不相符,或者檔案包含無法辨識的字元,您就會看到此錯誤。

解決方案: 重新瀏覽模組,並檔案格式選取不符合檔案格式時加以更正。 可能的話,請檢查檔案以確認其中不含任何不合法的字元。

例外狀況訊息
無法剖析檔案。
剖析檔案時發生錯誤: {0} 。

錯誤 0050

當輸入檔和輸出檔相同時,就會發生例外狀況。

解決方式: Azure Machine Learning 中的這個錯誤未使用,將會被取代。

例外狀況訊息
指定的輸入和輸出檔案不能相同。

錯誤 0051

當數個輸出檔相同時,就會發生例外狀況。

解決方式: Azure Machine Learning 中的這個錯誤未使用,將會被取代。

例外狀況訊息
指定的輸出檔案不能相同。

錯誤 0052

如果未正確指定 Azure 儲存體帳戶金鑰,就會發生例外狀況。

如果用來存取 Azure 儲存體帳戶的金鑰不正確,就會在 Azure Machine Learning 中發生此錯誤。 例如,如果 Azure 儲存體金鑰在複製並貼上時已截斷,或使用了錯誤的金鑰,您就可能看到此錯誤。

如需如何取得 Azure 儲存體帳戶金鑰的詳細資訊,請參閱檢視、複製和重新產生儲存體存取金鑰

解決方案: 重新瀏覽模組,並確認帳戶的 Azure 儲存體金鑰是正確的;如有必須,請從 Azure 傳統入口網站重新複製金鑰。

例外狀況訊息
Azure 儲存體帳戶金鑰不正確。

錯誤 0053

當 Machbox 建議沒有使用者特徵或項目時,就會發生例外狀況。

找不到特徵向量時,就會在 Azure Machine Learning 中發生此錯誤。

解決方案: 確定特徵向量存在於輸入資料集中。

例外狀況訊息
需要使用者特徵或/和項目,但未提供。

錯誤 0054

如果資料行中的相異值太少而無法完成作業,就會發生例外狀況。

解決方式: Azure Machine Learning 中的這個錯誤未使用,將會被取代。

例外狀況訊息
資料在指定的資料行中的相異值太少,無法完成作業。
資料在指定的資料行中的相異值太少,無法完成作業。 必要的最小值是 {0} 元素。
資料在資料行 "{1}" 中的相異值太少,無法完成作業。 必要的最小值是 {0} 元素。

錯誤 0055

呼叫已被取代的模組時,就會發生例外狀況。

如果您嘗試呼叫已被取代的模組,Azure Machine Learning 中會出現這個錯誤。

解決方案:

例外狀況訊息
存取已被取代的模組。
模組 " {0} " 已淘汰。

錯誤 0056

如果您為作業選取的資料行違反需求,就會發生例外狀況。

當您為資料行必須屬於特定資料類型的作業選擇資料行時,就會在 Azure Machine Learning 中發生此錯誤。

如果資料行是正確的資料類型,但您所使用的模組要求該資料行也須標示為特徵、標籤或類別資料行,也可能會發生此錯誤。

例如,[ 轉換成指標值 ] 模組需要分類的資料行,而且如果您選取特徵資料行或標籤資料行,就會引發此錯誤。

解決方案:

  1. 檢閱目前所選資料行的資料類型。

  2. 確定選取的資料行是否為類別、標籤或特徵資料行。

  3. 檢閱您在其中進行資料行選取的模組適用的說明主題,以確認是否有資料類型或資料行使用方式的特定需求。

  4. 使用編輯中繼資料變更此作業執行期間的資料行類型。 如果需要使用資料行進行下游作業,請確實使用編輯中繼資料的另一個執行個體將資料行類型變更回原始值。

例外狀況訊息
一或多個選取的資料行不在允許的類別中。
名稱為 "" 的資料行 {0} 不在允許的類別中。

錯誤 0057

當您嘗試建立的檔案或 Blob 已存在時,就會發生例外狀況。

當您使用「 匯出資料 」模組或其他模組將實驗的結果儲存至「Azure blob 儲存體」 Azure Machine Learning,但嘗試建立已存在的檔案或 blob 時,就會發生此例外狀況。

解決方案:

只有在您先前已將 [Azure Blob 儲存體寫入模式] 屬性設定為 [錯誤] 時,才會出現此錯誤。 根據設計,如果您嘗試將資料集寫入至已存在的 Blob,此模組就會引發錯誤。

  • 開啟模組屬性,並將 [Azure Blob 儲存體寫入模式] 屬性變更為 [覆寫]。
  • 或者,您可以輸入不同目的地 Blob 或檔案的名稱,並確實指定尚不存在的 Blob。
例外狀況訊息
檔案或 Blob 已存在。
檔案或 Blob " {0} " 已存在。

錯誤 0058

如果資料集未包含預期的標籤資料行,就會在 Azure Machine Learning 中發生此錯誤。

當提供的標籤資料行不符合學習模組所預期的資料或資料類型,或具有錯誤的值時,也可能會發生此例外狀況。 例如,如果在定型二元分類器時使用實值標籤資料行,就會產生此例外狀況。

解決方案: 解決方法取決於您所使用的學習模組或定型模組,以及資料集中所含資料行的資料類型。 首先,請確認機器學習演算法或定型模組的需求。

重新瀏覽輸入資料集。 請確認您預期要視為標籤的資料行,具有您要建立的模型適用的資料類型。

請檢查輸入中是否有遺漏值,並視需要加以排除或取代。

如有必要,請新增編輯中繼資料模組,並確定標籤資料行已標示為標籤。

例外狀況訊息
標籤資料行不符合預期
在 "" 中,標籤資料行不是預期的 {0} 。
"" 中不應有標籤資料行 " {0} " {1} 。

錯誤 0059

如果無法剖析資料行選擇器中指定的資料行索引,就會發生例外狀況。

如果無法剖析在使用資料行選取器時指定的資料行索引,就會在 Azure Machine Learning 中發生此錯誤。 當資料行索引的格式無效而無法剖析時,您將會看到此錯誤。

解決方案: 將資料行索引修改為使用有效的索引值。

例外狀況訊息
無法剖析一或多個指定的資料行索引或索引範圍。
無法剖析資料行索引或範圍 " {0} "。

錯誤 0060

當資料行選擇器中指定超出範圍的資料行範圍時,就會發生例外狀況。

在資料行選取器中指定了超出範圍的資料行範圍時,就會在 Azure Machine Learning 中發生此錯誤。 如果資料行選擇器中的資料行範圍未對應至資料集中的資料行,您就會看到此錯誤。

解決方案: 修改資料行選擇器中的資料行範圍,以對應至資料集中的資料行。

例外狀況訊息
指定的資料行索引範圍無效或超出範圍。
資料行範圍 " {0} " 無效或超出範圍。

錯誤 0061

如果您嘗試將一個資料列新增至 DataTable,但其資料行數目與資料表不同,就會發生例外狀況。

如果您嘗試將資料列新增至資料集,但其資料行數目與資料集不同,就會在 Azure Machine Learning 中發生此錯誤。 如果要新增至資料集的資料列的資料行數目與輸入資料集不同,您就會看到此錯誤。 如果資料行數目不同,就無法將資料列附加至資料集。

解決方案: 修改輸入資料集,使其資料行數目與新增的資料列相同,或修改新增的資料列,使其具有與資料集相同的資料行數目。

例外狀況訊息
所有的資料表必須有相同數目的資料行。

錯誤 0062

嘗試比較兩個具有不同學習模組類型的模型時,就會發生例外狀況。

當兩個不同評分資料集的評估計量無法比較時,就會在 Azure Machine Learning 中發生此錯誤。 在此情況下,無法對用來產生兩個評分資料集的模型進行有效性的比較。

解決方案: 確認評分的結果是由相同類型的機器學習模型 (二元分類、迴歸、多類別分類、建議、叢集、異常偵測等) 所產生的。您比較的所有模型必須具有相同的學習模組類型。

例外狀況訊息
所有模型都必須具有相同的學習模組類型。

錯誤為 0063

當 R 腳本評估失敗併發生錯誤時,就會引發此例外狀況。

當您在 Azure Machine Learning 中的其中一個 r 語言模組 中提供 r 腳本,而且 r 程式碼包含內部語法錯誤時,就會發生此錯誤。 如果您對 R 腳本提供錯誤的輸入,也可能會發生例外狀況。

如果腳本太大而無法在工作區中執行,也可能會發生此錯誤。 「 執行 R 腳本 」模組的腳本大小上限為1000行或 32 KB 的工作空間,以較小者為准。

解決方法:

  1. 在 Azure Machine Learning Studio (傳統) 中,以滑鼠右鍵按一下發生錯誤的模組,然後選取 [ View Log]。
  2. 檢查模組的標準錯誤記錄檔,其中包含堆疊追蹤。
    • 以 [ModuleOutput] 開頭的行表示 R 的輸出。
    • R 標記為 警告 的訊息通常不會導致實驗失敗。
  3. 解決腳本問題。
    • 檢查是否有 R 語法錯誤。 檢查已定義但從未填入的變數。
    • 請檢查輸入資料和腳本,以判斷腳本中的資料或變數是否使用 Azure Machine Learning 不支援的字元。
    • 檢查是否已安裝所有套件相依性。
    • 檢查您的程式碼是否載入預設不會載入的必要程式庫。
    • 請檢查所需的套件是否為正確的版本。
    • 確定您要輸出的任何資料集都已轉換成資料框架。
  4. 重新提交實驗。

注意

這些主題包含您可以使用的 R 程式碼範例,以及使用 R 腳本的 Cortana 智慧資源庫 中的實驗連結。

例外狀況訊息
R 指令碼評估期間發生錯誤。
在 r 腳本評估期間發生下列錯誤: r----------的----------開頭 r 中的錯誤訊息 {0} -----------結尾-----------
在 r 腳本評估期間 {1} 「」發生下列錯誤:從 r----------開始的錯誤訊息---------- {0} -----------r 的錯誤訊息結尾-----------

錯誤 0064

如果未正確指定 Azure 儲存體帳戶金鑰或儲存體金鑰,就會發生例外狀況。

如果未正確指定 Azure 儲存體帳戶名稱或儲存體金鑰,就會在 Azure Machine Learning 中發生此錯誤。 如果您為儲存體帳戶輸入了不正確的帳戶名稱或密碼,就會看到此錯誤。 如果您手動輸入帳戶名稱或密碼,就可能發生這種狀況。 如果帳戶已刪除,也可能發生此狀況。

解決方案: 確認帳戶名稱和密碼皆已正確輸入,且帳戶確實存在。

例外狀況訊息
Azure 儲存體帳戶名稱或儲存體金鑰不正確。
Azure 儲存體帳戶名稱 " {0} " 或帳戶名稱的儲存體金鑰不正確。

錯誤 0065

如果未正確指定 Azure Blob 名稱,就會發生例外狀況。

如果未正確指定 Azure Blob 名稱,就會在 Azure Machine Learning 中發生此錯誤。 您將在下列情況下看到錯誤:

  • 在指定的容器中找不到 Blob。

  • 在其中一個 含有計數 模組的學習中,為輸出指定的 blob 完整名稱大於512個字元。

  • 當格式為具有編碼的 Excel 或 CSV 時,僅將容器指定為匯入資料要求中的來源;使用這些格式時,不允許串連容器內所有 Blob 的內容。

  • SAS URI 未包含有效 Blob 的名稱。

解決方案: 重新瀏覽擲回例外狀況的模組。 請確認指定的 Blob 確實存在於儲存體帳戶的容器中,且您具有查看 Blob 的權限。 如果您具有使用編碼格式的 Excel 或 CSV,請確認輸入的格式為 containername/filename。 確認 SAS URI 包含有效 Blob 的名稱。

例外狀況訊息
Azure 儲存體 Blob 不正確。
Azure 儲存體 blob 名稱 " {0} " 不正確

錯誤 0066

如果資源無法上傳至 Azure Blob,就會發生例外狀況。

如果資源無法上傳至 Azure Blob,就會在 Azure Machine Learning 中發生此錯誤。 如果 定型 Vowpal Wabbit 7-4 模型 在定型模型時嘗試儲存模型或建立的雜湊時發生錯誤,就會收到此訊息。 兩者都會儲存到與包含輸入檔案的帳戶相同的 Azure 儲存體帳戶。

解決方案: 重新瀏覽模組。 請確認 Azure 帳戶名稱、儲存體金鑰和容器皆正確,且帳戶具有寫入容器的權限。

例外狀況訊息
資源無法上傳至 Azure 儲存體。
{0}無法將檔案 "" 上傳至 Azure 儲存體作為 {1} 。

錯誤 0067

如果資料集具有不同於預期的資料行數目,就會發生例外狀況。

如果資料集的資料行數目與預期不同,就會在 Azure Machine Learning 中發生此錯誤。 當資料集中的資料行數目與模組在執行期間預期的資料行數目不同時,您就會看到此錯誤。

解決方案: 修改輸入資料集或參數。

例外狀況訊息
datatable 中的資料行數目不符合預期。
應該是 "" 資料行 {0} ,但卻找到 " {1} " 資料行。

錯誤 0068

如果指定的 Hive 指令碼不正確,就會發生例外狀況。

如果 Hive SQL Q 指令碼中有語法錯誤,或 Hive 解譯器在執行查詢或指令碼時發生錯誤,就會在 Azure Machine Learning 中發生此錯誤。

解決方案:

來自 Hive 的錯誤訊息通常會回報在錯誤記錄檔中,以供您根據特定錯誤採取動作。

  • 開啟模組,並檢查查詢是否有錯誤。
  • 登入 Hadoop 叢集的 Hive 主控台並執行查詢,藉以確認查詢可在 Azure Machine Learning 外部正常運作。
  • 嘗試將註解放在 Hive 指令碼的個別行中,而不是將可執行的陳述式和註解放在同一行中。

資源

如需機器學習的 Hive 查詢適用的說明,請參閱下列文章:

例外狀況訊息
Hive 指令碼不正確。
Hive 腳本 {0} 不正確。

錯誤 0069

如果指定的 SQL 指令碼不正確,就會發生例外狀況。

如果指定的 SQL 指令碼有語法問題,或指令碼中指定的資料行或資料表無效,就會在 Azure Machine Learning 中發生此錯誤。

如果 SQL 引擎在執行查詢或指令碼時發生任何錯誤,您就會看到此錯誤。 SQL 錯誤訊息通常會回報在錯誤記錄檔中,以供您根據特定錯誤採取動作。

解決方案: 重新瀏覽模組,並檢查 SQL 查詢中是否有錯誤。

直接登入資料庫伺服器並執行查詢,藉以確認查詢可在 Azure ML 外部正常運作。

如果模組例外狀況回報了 SQL 產生的訊息,請根據回報的錯誤採取動作。 例如,錯誤訊息有時會對可能的錯誤提供特定指引:

  • 沒有這類資料行或遺失的資料庫,表示您可能輸入了不正確的資料行名稱。 如果您確定資料行名稱正確無誤,請嘗試使用方括弧或引號括住資料行識別碼。
  • SQL 邏輯錯誤附近 <SQL keyword>,表示在指定的關鍵字之前可能會有語法錯誤
例外狀況訊息
SQL 指令碼不正確。
SQL 查詢 " {0} " 不正確。
SQL 查詢 " {0} " 不正確: {1}

錯誤 0070

當您嘗試存取不存在的 Azure 資料表時,就會發生例外狀況。

當您嘗試存取不存在的 Azure 資料表時,就會在 Azure Machine Learning 中發生此錯誤。 如果您指定了 Azure 儲存體中的資料表,但在讀取或寫入 Azure 資料表儲存體時該資料表並不存在,就會出現此錯誤。 如果您拼錯了所需資料表的名稱,或目標名稱與儲存體類型不相符,就會發生這種情況。 例如,您想要讀取資料表,但卻輸入了 Blob 的名稱。

解決方案: 重新瀏覽模組,以確認資料表的名稱正確無誤。

例外狀況訊息
Azure 資料表不存在。
Azure 資料表「」不 {0} 存在。

錯誤 0071

如果提供的認證不正確,就會發生例外狀況。

如果提供的認證不正確,就會發生此錯誤 Azure Machine Learning。

如果模組無法連接至 HDInsight 叢集,您可能也會收到此錯誤。

解決方式: 檢查模組的輸入,並確認帳戶名稱和密碼。

檢查可能會造成錯誤的下列問題:

  • 資料集的架構不符合目的地 datatable 的架構。

  • 遺漏資料行名稱或拼錯

  • 您要寫入的資料表具有不合法字元的資料行名稱。 一般情況下,您可以將這類資料行名稱括在方括弧中,但如果無法運作,請編輯資料行名稱,使其只使用字母和底線 (_)

  • 您嘗試寫入的字串包含單引號

如果您嘗試連線到 HDInsight 叢集,請確認可使用提供的認證來存取目標叢集。

例外狀況訊息
傳遞的認證不正確。
不正確的使用者名稱 " {0} " 或傳遞密碼

錯誤 0072

若連線逾時,就會發生例外狀況。

若連線逾時,就會在 Azure Machine Learning 中發生此錯誤。如果資料來源或目的地目前有連線問題 (例如,網際網路連線速度緩慢),或者,如果資料集很大,且 (或) 讀取資料的 SQL 查詢執行複雜的處理,您就會看到此錯誤。

解決方案: 確認 Azure 儲存體或網際網路目前是否有連線速度緩慢的問題。

例外狀況訊息
發生連線逾時。

錯誤 0073

如果將資料行轉換為其他類型時發生錯誤,就會發生例外狀況。

無法將資料行轉換為另一種類型時,Azure Machine Learning 中就會發生此錯誤。 如果模組需要特定類型,但無法將資料行轉換為新的類型,就會出現此錯誤。

解決方案: 修改輸入資料集,使資料行可根據內部例外狀況進行轉換。

例外狀況訊息
無法轉換資料行。
無法將資料行轉換成 {0} 。

錯誤 0074

編輯中繼資料 嘗試將稀疏資料行轉換成類別時,就會發生例外狀況。

編輯中繼資料 嘗試將稀疏資料行轉換成類別時,就會發生此錯誤 Azure Machine Learning。 當您嘗試使用 Make 類別 選項將稀疏資料行轉換成類別時,將會收到這個錯誤。 Azure machine Learning 不支援稀疏類別陣列,因此模組將會失敗。

解決方式: 先使用 [ 轉換成資料集 ],或不要將資料行轉換成類別,使資料行更密集。

例外狀況訊息
稀疏資料行無法轉換成「類別」。

錯誤 0075

如果在量化資料集時使用了無效的量化函式,就會發生例外狀況。

如果您嘗試使用不支援的方法將資料量化,或參數組合無效時,就會在 Azure Machine Learning 中發生此錯誤。

解決方案:

舊版的 Azure Machine Learning 已導入此事件的錯誤處理機制,可支援更多的量化方法自訂。 目前,所有的量化方法均以下拉式清單中的選取為主,因此,在技術上應該不會再發生此錯誤。

如果您在使用 群組資料至 bin 模組時收到這個錯誤,請考慮在 Azure Machine Learning 論壇中報告問題,並提供資料類型、參數設定和確切的錯誤訊息。

例外狀況訊息
使用了無效的量化函式。

錯誤 0077

傳入未知的 Blob 檔案寫入模式時,就會發生例外狀況。

如果在 Blob 檔案目的地或來源的規格中傳入了無效的引數,就會在 Azure Machine Learning 中發生此錯誤。

解決方案: 對 Azure Blob 儲存體進行資料匯入或匯出的模組,幾乎全都會使用下拉式清單來指派控制寫入模式的參數值;因此不可能傳入無效的值,而應該不會出現此錯誤。 後續版本將會淘汰此錯誤。

例外狀況訊息
不支援的 blob 寫入模式。
不支援的 blob 寫入模式: {0} 。

錯誤 0078

匯入資料的 HTTP 選項收到表示重新導向的 3xx 狀態碼時,就會發生例外狀況。

匯入資料的 HTTP 選項收到 3xx (301、302、304 等等) 狀態碼 (表示重新導向) 時,就會在 Azure Machine Learning 中發生此錯誤。 如果您嘗試連線至會將瀏覽器重新導向至另一個頁面的 HTTP 來源,就會看到此錯誤。 基於安全考量,不允許以重新導向網站作為 Azure Machine Learning 的資料來源。

解決方案: 如果網站是受信任的網站,請直接輸入重新導向的 URL。

例外狀況訊息
不允許 http 重新導向

錯誤 0079

如果未正確指定 Azure 儲存體容器名稱,就會發生例外狀況。

如果未正確指定 Azure 儲存體容器名稱,就會在 Azure Machine Learning 中發生此錯誤。 如果您在寫入 Azure Blob 儲存體時未使用 以容器開頭的 Blob 路徑 來指定容器和 Blob (檔案) 名稱,您就會看到此錯誤。

解決方案: 重新瀏覽 匯出資料模組,並確認 Blob 的指定路徑包含容器和檔案名稱,格式為 container/filename

例外狀況訊息
Azure 儲存體容器名稱不正確。
Azure 儲存體容器名稱 " {0} " 不正確; 應為容器/blob 格式的容器名稱。

錯誤 0080

當模組不允許具有所有遺漏值的資料行時,就會發生例外狀況。

當模組所使用的一或多個資料行包含所有遺漏值時,就會在 Azure Machine Learning 中發生此錯誤。 例如,如果模組正在計算每個資料行的彙總統計資料,將無法對不含任何資料的資料行執行計算。 在這種情況下,模組執行將會停止,並出現此例外狀況。

解決方案: 重新瀏覽輸入資料集,並移除任何包含所有遺漏值的資料行。

例外狀況訊息
不允許具有所有遺漏值的資料行。
{0}資料行的所有值都遺失。

錯誤 0081

在 PCA 模組中,如果要減少到的維度數目等於輸入資料集的特徵資料行數目 (包含至少一個疏鬆特徵資料行),就會發生例外狀況。

如果符合下列條件,就會在 Azure Machine Learning 中發生此錯誤:(a) 輸入資料集至少有一個疏鬆資料行,且 (b) 要求的最終維度數目與輸入維度的數目相同。

解決方案: 考慮將輸出中的維度數目減少到小於輸入中的維度數目。 這在 PCA 的應用程式中是常見的做法。 如需詳細資訊,請參閱 主體元件分析

例外狀況訊息
對於包含稀疏特徵資料行的資料集,要減少的維度數目應該小於特徵資料行數目。

錯誤 0082

模型無法成功還原序列化時,就會發生例外狀況。

當較新版的 Azure Machine Learning 執行階段因重大變更而無法載入已儲存的機器學習模型或轉換時,就會在 Azure Machine Learning 中發生此錯誤。

解決方式: 產生模型或轉換的定型實驗必須重新執行,而且必須重新儲存模型或轉換。

例外狀況訊息
模型可能是以較舊的序列化格式進行序列化,因此無法還原序列化。 重新定型並重新儲存模型。

錯誤 0083

如果用於定型的資料集不適用於具體類型的學習模組,就會發生例外狀況。

當資料集與正在定型的學習模組不相容時,Azure Machine Learning 中就會產生此錯誤。 例如,資料集可能會在每個資料列中都至少包含一個遺漏值,因此在定型期間會略過整個資料集。 在其他情況下,某些機器學習演算法 (例如異常偵測) 未預期有標籤存在,一旦資料集中有標籤存在,就可能擲回此例外狀況。

解決方案: 參閱用來檢查輸入資料集需求的學習模組適用的文件。 檢查資料行,以確認所有必要的資料行皆存在。

例外狀況訊息
用於定型的資料集無效。
{0} 包含用於定型的無效資料。
{0} 包含用於定型的無效資料。 學習模組類型: {1} 。

錯誤 0084

評估從 R 指令碼產生的分數時發生例外狀況。 目前無此支援。

如果您嘗試使用其中一個模組透過 R 指令碼的輸出 (包含分數) 來評估模型,就會在 Azure Machine Learning 中發生此錯誤。

解決方案:

例外狀況訊息
目前不支援評估 R 產生的分數。

錯誤 0085

指令碼評估失敗並發生錯誤時,就會發生例外狀況。

當您執行包含語法錯誤的自訂指令碼時,就會在 Azure Machine Learning 中發生此錯誤。

解決方案: 在外部編輯器中檢閱您的程式碼,並檢查是否有錯誤。

例外狀況訊息
指令碼評估期間發生錯誤。
腳本評估期間發生下列錯誤,請查看輸出記錄檔以取得詳細資訊:----------解譯器的錯誤訊息開始 {0} ---------- {1} ----------解譯器中的錯誤訊息結尾 {0} ----------

錯誤 0086

計數轉換無效時所發生的例外狀況。

當您選取以計數資料表為基礎的轉換,但選取的轉換與目前的資料或新的計數資料表不相容時,就會發生此 Azure Machine Learning 錯誤。

解決方式: 此模組支援儲存以兩種不同格式組成轉換的計數和規則。 如果您要合併計數資料表,請確認您想要合併的兩個數據表都使用相同的格式。

一般來說,以計數為基礎的轉換只能套用至與最初建立轉換的資料集具有相同架構的資料集。

如需一般資訊,請參閱 使用計數學習。 如需建立和合併以計數為基礎之功能的特定需求,請參閱下列主題:

例外狀況訊息
指定的計數轉換無效。
輸入埠 ' ' 的計數轉換 {0} 無效。
輸入埠 ' ' 上的計數轉換 {0} 無法與輸入埠 ' ' 上的計數轉換合併 {1} 。 檢查以確認用來計算相符專案的中繼資料。

錯誤 0087

為計數模組的學習指定了無效的計數資料表類型時,所發生的例外狀況。

當您嘗試匯入現有的計數資料表,但資料表與目前的資料或新的計數資料表不相容時,就會發生此錯誤 Azure Machine Learning。

解決方式: 有不同的格式可用於儲存組成轉換的計數和規則。 如果您要合併計數資料表,請確認兩者都使用相同的格式。

一般來說,以計數為基礎的轉換只能套用至與最初建立轉換的資料集具有相同架構的資料集。

如需一般資訊,請參閱 使用計數學習。 如需建立和合併以計數為基礎之功能的特定需求,請參閱下列主題:

錯誤 0088

為計數模組的學習指定了無效的計數類型時,所發生的例外狀況。

當您嘗試使用不同于以計數為基礎的特徵化所支援的計數方法時,就會發生此錯誤 Azure Machine Learning。

解決方式: 一般情況下,從下拉式清單中選擇計算方法,因此您應該不會看到此錯誤。

如需一般資訊,請參閱 使用計數學習。 如需建立和合併以計數為基礎之功能的特定需求,請參閱下列主題:

例外狀況訊息
指定了無效的計數類型。
指定的計數類型 ' {0} ' 不是有效的計數類型。

錯誤 0089

當指定的類別數目小於資料集中用於計算的實際類別數目時所發生的例外狀況。

當您建立計數資料表,且標籤資料行包含的類別數目與您在模組參數中指定的數目不同時,Azure Machine Learning 發生此錯誤。

解決方式: 檢查您的資料集,並確切找出標籤資料行中 (可能類別) 的相異值數目。 當您建立計數資料表時,您必須至少指定此數目的類別。

Count 資料表無法自動判斷可用的類別數目。

當您建立計數資料表時,不能指定0或小於標籤資料行中的實體類別數目的任何數位。

例外狀況訊息
類別數目不正確。 請確定您在 [參數] 窗格中指定的類別數目大於或等於 [標籤] 資料行中的類別數目。
指定的類別數目是 ' {0} ', {1} 在用來計算的資料集中,不大於標籤值 ' '。 請確定您在 [參數] 窗格中指定的類別數目大於或等於 [標籤] 資料行中的類別數目。

錯誤 0090

Hive 資料表建立失敗時,就會發生例外狀況。

如果您使用匯出資料或另一個選項將資料儲存至 HDInsight 叢集,但無法建立指定的 Hive 資料表,就會在 Azure Machine Learning 中發生此錯誤。

解決方案: 檢查與叢集相關聯的 Azure 儲存體帳戶名稱,並確認您在模組屬性中使用的是相同帳戶。

例外狀況訊息
無法建立 Hive 資料表。 針對 HDInsight 叢集,請確定與叢集相關聯的 Azure 儲存體帳戶名稱與透過 module 參數傳遞的相同。
無法建立 Hive 資料表 " {0} "。 針對 HDInsight 叢集,請確定與叢集相關聯的 Azure 儲存體帳戶名稱與透過 module 參數傳遞的相同。
無法建立 Hive 資料表 " {0} "。 針對 HDInsight 叢集,請確定與叢集相關聯的 Azure 儲存體帳戶名稱為 " {1} "。

錯誤 0100

對自訂的模組指定不支援的語言時,就會發生例外狀況。

此錯誤發生在 Azure Machine Learning 建立自訂模組,而且自訂模組 xml 定義檔中的 Language 專案名稱屬性有不正確值時。 目前,這個屬性的有效值是 R 。 例如:

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

解決方式: 確認自訂模組 xml 定義檔中 語言 專案的 [名稱] 屬性設定為 R 。 儲存檔案、更新自訂模組 zip 套件,然後再次嘗試新增自訂模組。

例外狀況訊息
指定了不支援的自訂模組語言

錯誤 0101

所有埠和參數識別碼都必須是唯一的。

當一個或多個埠或參數在自訂模組 XML 定義檔中指派了相同的識別碼值時,就會發生此錯誤 Azure Machine Learning。

解決方式: 檢查所有埠和參數的識別碼值都是唯一的。 儲存 xml 檔案、更新自訂模組 zip 封裝,然後再次嘗試新增自訂模組。

例外狀況訊息
模組的所有埠和參數識別碼都必須是唯一的
模組 ' {0} ' 有重複的埠/引數識別碼。 模組的所有埠/引數識別碼都必須是唯一的。

錯誤 0102

在無法解壓縮 ZIP 檔案時擲回。

如果您匯入副檔名為 .zip 的壓縮套件,但該套件不是 zip 檔案,或檔案未使用支援的 zip 格式,就會在 Azure Machine Learning 中發生此錯誤。

解決方案: 確定選取的檔案是有效的 .zip 檔案,並且已使用其中一種支援的壓縮演算法進行壓縮。

如果您以壓縮格式匯入資料集時看到此錯誤,請確認所有內含的檔案均使用其中一種支援的檔案格式,且皆為 Unicode 格式。 如需詳細資訊,請參閱 解壓縮壓縮的資料集

請嘗試將所需的檔案重新新增至新壓縮的壓縮資料夾,然後再次嘗試新增自訂模組。

例外狀況訊息
指定的 ZIP 檔案不是正確的格式

錯誤 0103

ZIP 檔案不包含任何 .xml 檔案時擲回

當自訂模組 zip 封裝未包含任何 ( .xml) 檔案的模組定義時,就會發生這種錯誤 Azure Machine Learning。 這些檔案必須位於 zip 套件的根目錄 (例如,而不是子資料夾內。 )

解決方式: 將一或多個 xml 模組定義檔解壓縮到您磁片磁碟機上的暫存資料夾,以確認該檔案位於 zip 套件的根資料夾中。 任何 xml 檔案都應該直接在您解壓縮 zip 套件的資料夾中。 當您建立 zip 封裝時,若未選取包含要壓縮之 xml 檔案的資料夾,就會在 zip 套件中建立子資料夾,其名稱與您選取要壓縮的資料夾相同。

例外狀況訊息
指定的 ZIP 檔案不包含任何模組定義檔 (.xml 檔案)

錯誤 0104

找不到模組定義檔所參考的指令碼時擲回

當自訂模組 xml 定義檔參考不存在於 zip 封裝的 Language 專案中的腳本檔案時,就會擲回 Azure Machine Learning 中的這個錯誤。 腳本檔案路徑是在 Language 元素的 sourceFile 屬性中定義。 來源檔案的路徑相對於 zip 封裝的根目錄, (與模組 xml 定義檔) 相同的位置。 如果腳本檔是在子資料夾中,則必須指定腳本檔的相對路徑。 比方說,如果所有的腳本都儲存在 zip 套件的 myartifacts 資料夾中, Language 專案就必須將此路徑新增至 sourceFile 屬性,如下所示。 例如:

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

解決方式: 請確定自訂模組 xml 定義的 Language 專案中的 sourceFile 屬性值正確,而且來源檔案存在於 zip 封裝的正確相對路徑中。

例外狀況訊息
參考的 R 指令碼檔案不存在。
找不到參考的 R 腳本檔 ' {0} '。 請確定從定義位置至檔案的相對路徑正確。

錯誤 0105

當模組定義檔包含不支援的參數類型時,就會顯示此錯誤

如果您建立自訂模組 xml 定義,但定義中的參數或引數類型與支援的類型不相符,就會在 Azure Machine Learning 中發生此錯誤。

解決方案: 確定自訂模組 xml 定義檔中任何 Arg 元素的類型屬性皆為支援的類型。

例外狀況訊息
不支援的參數類型。
指定了不支援的參數類型 '{0}'。

錯誤 0106

當模組定義檔定義不支援的輸入類型時擲回

當自訂模組 XML 定義中輸入埠的類型不符合支援的類型時,就會產生 Azure Machine Learning 中的這個錯誤。

解決方式: 請確定自訂模組 XML 定義檔中輸入元素的 type 屬性是支援的類型。

例外狀況訊息
不支援的輸入類型。
指定了不支援的輸入類型 ' {0} '。

錯誤 0107

在模組定義檔定義了不受支援的輸出類型時擲回

當自訂模組 xml 定義中的輸出連接埠類型不符合支援的類型時,就會在 Azure Machine Learning 中發生此錯誤。

解決方案: 在自訂模組 xml 定義檔中,確定輸出元素的類型屬性是支援的類型。

例外狀況訊息
不支援的輸出類型。
指定了不支援的輸出類型 ' {0} '。

錯誤 0108

模組定義檔定義的輸入或輸出連接埠多於受支援連接埠時擲回

當自訂模組 xml 定義中定義過多的輸入或輸出埠時,會產生 Azure Machine Learning 中的這個錯誤。

解決方式: 確定自訂模組 xml 定義中定義的輸入和輸出埠數目上限不超過支援的埠數目上限。

例外狀況訊息
超過支援的輸入或輸出連接埠數目。
超過支援的 ' {0} ' 埠數目。 ' ' 埠的允許數目上限 {0} 是 ' ' {1} 。

錯誤 0109

模組定義檔以不正確的方式定義資料行選擇器時擲回

當資料行選擇器引數的語法在自訂模組 xml 定義中包含錯誤時,就會產生 Azure Machine Learning 中的這個錯誤。

解決方式: 當資料行選擇器引數的語法在自訂模組 xml 定義中包含錯誤時,就會產生此錯誤。

例外狀況訊息
不支援資料行選擇器的語法。

錯誤 0110

當模組定義檔定義參考不存在之輸入埠識別碼的資料行選擇器時擲回

當 ColumnPicker 類型之 Arg 的 portId 屬性與輸入埠的識別碼值不相符時,就會產生 Azure Machine Learning 中的這個錯誤。

解決方式: 請確定 portId 屬性符合自訂模組 xml 定義中定義之輸入埠的識別碼值。

例外狀況訊息
資料行選擇器參考不存在的輸入埠識別碼。
資料行選擇器參考不存在的輸入埠識別碼 ' {0} '。

錯誤 0111

模組定義檔定義無效的屬性時擲回

當將不正確屬性指派給自訂模組 XML 定義中的專案時,就會產生 Azure Machine Learning 中的這個錯誤。

解決方式: 請確定自訂模組元素支援此屬性。

例外狀況訊息
屬性定義無效。
屬性定義 ' {0} ' 無效。

錯誤 0112

無法剖析模組定義檔時擲回

當 xml 格式有錯誤,導致無法將自訂模組 XML 定義剖析為有效的 XML 檔案時,就會產生 Azure Machine Learning 中的這個錯誤。

解決方式: 確定每個專案都已正確開啟和關閉。 請確定 XML 格式沒有任何錯誤。

例外狀況訊息
無法剖析模組定義檔。
無法剖析模組定義檔 ' {0} '。

錯誤 0113

模組定義檔包含錯誤時擲回。

當自訂模組 XML 定義檔可以剖析但包含錯誤(例如自訂模組不支援的元素定義)時,就會產生 Azure Machine Learning 中的這個錯誤。

解決方式: 請確定自訂模組定義檔定義自訂模組所支援的元素和屬性。

例外狀況訊息
模組定義檔包含錯誤。
模組定義檔 ' {0} ' 包含錯誤。
模組定義檔 ' {0} ' 包含錯誤。 {1}

錯誤 0114

建置自訂模組失敗時擲回。

當自訂模組建立失敗時,會產生 Azure Machine Learning 中的這個錯誤。 當加入自訂模組時遇到一或多個自訂模組相關的錯誤時,就會發生這種情況。 此錯誤訊息中會報告其他錯誤。

解決方式: 解決此例外狀況訊息中所報告的錯誤。

例外狀況訊息
無法建置自訂模組。
自訂模組組建失敗,錯誤 (s) : {0}

錯誤0115

當自訂模組預設腳本有不支援的副檔名時擲回。

當您為使用未知副檔名的自訂模組提供腳本時,Azure Machine Learning 發生此錯誤。

解決方式: 確認自訂模組中包含之任何腳本檔案的檔案格式和副檔名。

例外狀況訊息
預設腳本不支援的擴充功能。
預設腳本不支援的檔案擴充功能 {0} 。

錯誤 0121

SQL 寫入因為資料表無法寫入而失敗時擲回

當您使用 [ 匯出資料 ] 模組將結果儲存至 SQL 資料庫中的資料表,且資料表無法寫入時,就會產生 Azure Machine Learning 中的這個錯誤。 一般而言,如果「 匯出資料 」模組已成功建立與 SQL Server 實例的連接,但卻無法將 Azure ML 資料集的內容寫入資料表中,您就會看到此錯誤。

解決方法:

  • 開啟 [ 匯出資料 ] 模組的 [屬性] 窗格,並確認已正確輸入資料庫和資料表名稱。
  • 檢查您要匯出之資料集的架構,並確定資料與目的地資料表相容。
  • 確認與使用者名稱和密碼相關聯的 SQL 登入具有寫入資料表的許可權。
  • 如果例外狀況包含來自 SQL Server 的其他錯誤資訊,請使用該資訊進行修正。
例外狀況訊息
已連接到伺服器,無法寫入至資料表。
無法寫入 Sql 資料表: {0}

錯誤 0122

如果指定多個加權資料行,但只允許一個,就會發生例外狀況。

當選取了太多資料行做為加權資料行時,Azure Machine Learning 發生此錯誤。

解決方式: 檢查輸入資料集和其中繼資料。 確定只有一個資料行包含加權。

例外狀況訊息
指定多個加權資料行。

錯誤 0123

如果向量的資料行指定為標籤資料行,就會發生例外狀況。

如果您使用向量做為標籤資料行,就會發生此錯誤 Azure Machine Learning。

解決方式: 如有必要,請變更資料行的資料格式,或選擇不同的資料行。

例外狀況訊息
向量的資料行指定為標籤資料行。

錯誤 0124

如果將非數值資料行指定為加權資料行,就會發生例外狀況。

解決方案:

例外狀況訊息
非數值資料行指定為加權資料行。

錯誤 0125

在多個資料集的結構描述不相符時擲回。

解決方案:

例外狀況訊息
資料集結構描述不相符。

錯誤 0126

如果使用者指定的 SQL 網域在 Azure ML 中不受支援,就會發生例外狀況。

當使用者指定 Azure Machine Learning 中不支援的 SQL 網域時,就會產生此錯誤。 如果您嘗試連接到不在允許清單上之網域中的資料庫伺服器,就會收到這個錯誤。 目前允許的 SQL 網域為: ". database.windows.net"、". cloudapp.net" 或 ". database.secure.windows.net"。 也就是說,伺服器必須是 Azure SQL server 或 Azure 虛擬機器中的伺服器。

解決方案: 重新瀏覽模組。 確認 SQL database 伺服器屬於其中一個可接受的網域:

  • .database.windows.net

  • .cloudapp.net

  • . database.secure.windows.net

例外狀況訊息
不受支援的 SQL 網域。
{0}AZURE ML 目前不支援 SQL 網域

錯誤 0127

影像像素大小超過允許的限制

如果您要讀取影像資料集中的影像以進行分類,但影像超出模型所能處理的大小,就會發生此錯誤。

解決方式: 如需有關映射大小和其他需求的詳細資訊,請參閱下列主題:

例外狀況訊息
影像像素大小超過允許的限制。
檔案 ' ' 中的影像圖元大小 {0} 超過允許的限制: ' {1} '

錯誤 0128

類別資料行的條件機率數目超過限制。

解決方案:

例外狀況訊息
類別資料行的條件機率數目超過限制。
類別資料行的條件機率數目超過限制。 資料行 ' {0} ' 和 ' {1} ' 是有問題的配對。

錯誤 0129

資料集中的資料行數目超過允許的限制。

解決方案:

例外狀況訊息
資料集中的資料行數目超過允許的限制。
' ' 中資料集的資料行數目 {0} 超過允許的數目。
' ' 中資料集的資料行數目 {0} 超過允許的上限 ' {1} '。 '
' ' 中資料集中的資料行數目 {0} 超過允許的 ' ' 限制 ' ' {1} {2} 。

錯誤0130

訓練資料集中的所有資料列都包含遺漏值時,就會發生例外狀況。

當訓練資料集中的某些資料行是空的時,就會發生這種情況。

解決方式: 使用「 清除遺漏的資料 」模組來移除所有遺漏值的資料行。

例外狀況訊息
訓練資料集中的所有資料列都包含遺漏值。 請考慮使用「清除遺漏的資料」模組來移除遺漏的值。

錯誤0131

如果 zip 檔案中有一或多個資料集無法解壓縮並正確註冊,就會發生例外狀況

當 zip 檔案中的一或多個資料集無法解壓縮並正確讀取時,就會產生此錯誤。 如果解壓縮因為 zip 檔案本身或其中一個檔案損毀而失敗,或嘗試解壓縮並展開檔案時發生系統錯誤,您將會收到此錯誤。

解決方式: 使用錯誤訊息中提供的詳細資料,來判斷如何繼續進行。

例外狀況訊息
上傳壓縮的資料集失敗
壓縮的資料集 {0} 失敗,並出現下列訊息: {1}
壓縮的資料集 {0} 失敗,並出現 {1} 例外狀況訊息: {2}

錯誤0132

未指定解壓縮的檔案名;在 zip 檔案中找到多個檔案。

未指定解壓縮的檔案名時,會產生此錯誤;在 zip 檔案中找到多個檔案。 如果 .zip 檔案包含多個壓縮檔案,但您未在模組的 屬性 窗格中的 [要解壓縮的資料集] 文字方塊中指定要解壓縮的檔案,就會收到這個錯誤。 目前,每次執行模組時都只能解壓縮一個檔案。

解決方式: 錯誤訊息會提供在 .zip 檔案中找到的檔案清單。 複製所需檔案的名稱,並將它貼到要解除封裝的 資料集 文字方塊中。

例外狀況訊息
Zip 檔案包含多個檔案;您必須指定要展開的檔案。
檔案包含一個以上的檔案。 指定要展開的檔案。 找到下列檔案: {0}

錯誤0133

在 zip 檔案中找不到指定的檔案

當 [屬性] 窗格的 [要解除封裝的 資料集] 欄位中所輸入的檔案名與 .zip 檔案中找到的任何檔案名不相符時,就會產生此錯誤。 此錯誤最常見的原因是輸入錯誤,或搜尋錯誤的封存檔案,以擴充檔案。

解決方案: 重新瀏覽模組。 如果您想要解壓縮的檔案名出現在找到的檔案清單中,請複製檔案名,然後將它貼到 [ 要解壓縮的資料集 ] 屬性方塊中。 如果您在清單中看不到所需的檔案名,請確認您有正確的 .zip 檔案,以及所需檔案的正確名稱。

例外狀況訊息
壓縮檔案中找不到指定的檔案。
找不到指定的檔案。 找到下列檔案 (s) : {0}

錯誤 0134

當標籤資料行遺失或已標記的資料列數目不足時,就會發生例外狀況。

如果模組需要標籤資料行,但您的資料行選取中未包含此資料行,或標籤資料行遺漏太多值,就會發生此錯誤。

如果先前的作業變更了資料集,使得可供下游作業使用的資料列不足,也可能會發生此錯誤。 例如,假設您在 資料分割和取樣 模組中使用運算式,以依據值來分割資料集。 如果找不到運算式的相符項目,資料分割所產生的其中一個資料集就會是空的。

解決方案:

如果您在資料行選取範圍中包含標籤資料行,但無法辨識它,請使用 [ 編輯中繼資料 ] 模組將它標示為標籤資料行。

使用「 摘要資料 」模組來產生報表,以顯示每個資料行中遺漏的值數目。 然後,您可以使用清除遺漏的資料模組,移除在標籤資料行中有遺漏值的資料列。

請檢查您的輸入資料集,以確定其中包含有效的資料,並且有足夠的資料列可因應作業需求。 許多演算法在需要最小的資料列數目的情況下,若資料僅包含幾個資料列,或只有一個標頭,就會產生錯誤訊息。

例外狀況訊息
當標籤資料行遺失或已標記的資料列數目不足時,就會發生例外狀況。
當標籤資料行遺失或有少於標記的資料列時,就會發生例外狀況 {0}

錯誤0135

僅支援以距心為基礎的叢集。

解決方式: 如果您嘗試根據不使用距心來初始化叢集的自訂叢集演算法來評估群集模型,您可能會遇到這個錯誤訊息。

您可以使用 [ 評估模型 ] 來評估以 K 表示 叢集模組為基礎的群集模型。 若為自訂演算法,請使用「 執行 R 腳本 」模組來建立自訂評估腳本。

例外狀況訊息
僅支援以距心為基礎的叢集。

錯誤0136

沒有傳回檔案名;無法處理檔案。

解決方案:

例外狀況訊息
沒有傳回檔案名;無法處理檔案。

錯誤0137

Azure 儲存體 SDK 在讀取或寫入期間,于資料表屬性和資料集資料行之間轉換時發生錯誤。

解決方案:

例外狀況訊息
Azure 資料表儲存體屬性和資料集資料行之間的轉換錯誤。
Azure 資料表儲存體屬性和資料集資料行之間的轉換錯誤。 其他資訊: {0}

錯誤 0138

記憶體已用盡,無法完成模組的執行。 縮小資料集取樣可能有助於緩解此問題。

當執行的模組所需的記憶體超過 Azure 容器中的可用數量時,就會發生此錯誤。 如果您使用的是大型資料集,而記憶體不敷目前的作業執行所需,就可能會發生這種狀況。

解決方案: 如果您嘗試讀取大型資料集,但無法完成作業,縮小資料集取樣可能會有幫助。

如果您在資料集上使用視覺效果來檢查資料行的基數,則只會取樣部分資料列。 若要取得完整的報告,請使用 摘要資料。 您也可以使用「套用 SQL」轉換 來檢查每個資料行中的唯一值數目。

有時候暫時性載入可能會導致此錯誤。 電腦支援也會隨著時間而改變。 如需支援的資料大小的說明,請參閱 AZURE MACHINE LEARNING 常見問題

請嘗試使用 主體元件分析 或其中一個提供的特徵選取方法,將您的資料集縮減為一組較小的功能豐富資料行: 特徵選取

例外狀況訊息
記憶體已用盡,無法完成模組的執行。

錯誤0139

當無法將資料行轉換成另一種類型時,就會發生例外狀況。

當您嘗試將資料行轉換成不同的資料類型,但目前的作業或模組不支援該類型時,就會發生這種錯誤 Azure Machine Learning。

當模組嘗試以隱含方式轉換資料以符合目前模組的需求,但無法進行轉換時,也會出現此錯誤。

解決方法:

  1. 檢查您的輸入資料,並判斷您想要使用之資料行的確切資料類型,以及產生錯誤之資料行的資料類型。 有時候您可能會認為資料類型是正確的,但發現上游作業已修改資料類型或資料行的使用方式。 您可以使用 [ 編輯中繼資料 ] 模組,將資料行中繼資料重設為其原始狀態。

  2. 查看模組說明頁面,以確認指定作業的需求。 判斷目前模組所支援的資料類型,以及支援的值範圍。

  3. 如果需要將值截斷、舍入或極端值移除,請使用 [套用 數學運算 ] 或 [ 剪輯值 ] 模組進行修正。

  4. 考慮是否可以將資料行轉換或轉換成不同的資料類型。 下列模組全都提供相當大的彈性和能力來修改資料:

注意

仍無法運作嗎? 請考慮提供問題的其他意見反應,以協助我們開發更好的疑難排解指引。 您只需在此頁面上提交意見反應,並提供產生錯誤之模組的名稱,以及失敗的資料類型轉換。

例外狀況訊息
不允許轉換。
無法轉換: {0} 。
無法 {0} 在資料列上轉換: {1} 。
無法將類型的資料行轉換成資料列 {0} 類型的資料 {1} 行 {2} 。
無法將類型的資料行 "" 轉換成資料列 {2} {0} 類型的資料 {1} 行 {3} 。
無法將類型的資料行 "" 轉換成資料 {2} {0} 列 {3} 類型的資料行 "" {1} {4} 。

錯誤0140

如果傳遞的資料行集引數除了標籤資料行以外的其他資料行,則會發生例外狀況。

如果您將資料集連接到需要多個資料行的模組(包括功能),但只提供標籤資料行,就會發生這個錯誤。

解決方式: 至少選擇一個要包含在資料集中的特徵資料行。

例外狀況訊息
指定的資料行集不包含標籤資料行以外的其他資料行。

錯誤 0141

如果所選數值資料行的數目以及類別和字串資料行中的唯一值數目太少,就會發生例外狀況。

當選取的資料行中沒有足夠的唯一值可執行作業時,就會在 Azure Machine Learning 中發生此錯誤。

解決方案: 某些作業會對特徵和類別資料行執行統計作業,一旦沒有足夠的值,作業就可能失敗,或傳回無效的結果。 檢查您的資料集,以查看 fature 和 label 資料行中有多少值,並判斷您嘗試執行的作業在統計上是否有效。

如果源資料集有效,您也可以檢查是否有某項上游資料操作或中繼資料作業變更了資料,並將某些值移除。

如果上游作業包含分割、取樣或重新取樣,請確認輸出所包含的資料列和值數目符合預期。

例外狀況訊息
所選數值資料行的數目以及類別和字串資料行中的唯一值數目太少。
在 [類別目錄] 和 [字串] 資料行中選取的數值資料行和唯一值的總數 ({0}) 目前至少應為 {1}

錯誤0142

當系統無法載入要驗證的憑證時,就會發生例外狀況。

解決方案:

例外狀況訊息
無法載入憑證。
{0}無法載入憑證。 其指紋為 {1} 。

錯誤0143

無法剖析應來自 GitHub 的使用者提供 URL。

當您指定不正確 URL,且模組需要有效的 GitHub URL 時,Azure Machine Learning 中發生此錯誤。

解決方式: 確認 URL 參考有效的 GitHub 存放庫。 不支援其他網站類型。

例外狀況訊息
URL 不是來自 github.com。
URL 不是來自 github.com: {0}

錯誤0144

使用者提供的 GitHub url 缺少預期的部分。

當您使用不正確 URL 格式來指定 GitHub 檔案來源時,Azure Machine Learning 發生此錯誤。

解決方式: 檢查 GitHub 存放庫的 URL 是否有效,並以 \blob\ 或 \tree 結尾 \ 。

例外狀況訊息
無法剖析 GitHub URL。
無法剖析 GitHub URL (應在存放 \ 庫名稱) 之後,必須是 ' \blob ' 或 ' \tree \ ': {0}

錯誤0145

因為某些原因而無法建立複寫目錄。

當模組無法建立指定的目錄時,Azure Machine Learning 發生此錯誤。

解決方案:

例外狀況訊息
無法建立複寫目錄。

錯誤0146

當使用者檔案解壓縮到本機目錄時,合併的路徑可能太長。

當您解壓縮檔案,但解壓縮時某些檔案名太長時,就會發生此錯誤 Azure Machine Learning。

解決方式: 編輯檔案名,使合併的路徑和檔案名不再超過248個字元。

例外狀況訊息
複寫路徑的長度超過248個字元,請縮短腳本名稱或路徑。

錯誤0147

因為某些原因而無法從 GitHub 下載內容

當您無法從 GitHub 讀取或下載指定的檔案時,Azure Machine Learning 發生此錯誤。

解決方式: 問題可能是暫時性的;您可能會嘗試在另一次存取檔案。 或確認您具有必要的許可權,且來源有效。

例外狀況訊息
GitHub 存取錯誤。
GitHub 存取錯誤。 {0}

錯誤0148

解壓縮資料或建立目錄時發生未授權的存取問題。

當您嘗試建立目錄或從儲存體讀取資料,但沒有必要的許可權時,就會發生此錯誤 Azure Machine Learning。

解決方案:

例外狀況訊息
解壓縮資料時發生未授權的存取例外狀況。

錯誤0149

使用者檔案不存在於 GitHub 組合內。

如果找不到指定的檔案,Azure Machine Learning 發生此錯誤。

解決方案:

例外狀況訊息
找不到 GitHub 檔案。
找不到 GitHub 檔案。: {0}

錯誤0150

來自使用者封裝的腳本無法解壓縮,最可能的原因是 GitHub 檔案發生衝突。

當無法解壓縮腳本時,通常會在有相同名稱的現有檔案時,就會發生這種錯誤 Azure Machine Learning。

解決方案:

例外狀況訊息
無法解壓縮組合;可能發生與 GitHub 檔案的名稱衝突。

錯誤0151

寫入雲端儲存體時發生錯誤。 檢查 URL。

當模組嘗試將資料寫入雲端儲存體,但 URL 無法使用或無效時,會發生此錯誤 Azure Machine Learning。

解決方式:檢查 URL 並確認它是否可寫入。

例外狀況訊息
寫入雲端儲存體 (可能是 url) 錯誤。
寫入雲端儲存體時發生錯誤: {0} 。 請檢查 url。

錯誤0152

在模組內容中指定了不正確的 Azure 雲端類型。

例外狀況訊息
錯誤的 Azure 雲端類型
錯誤的 Azure 雲端類型: {0}

錯誤0153

指定的儲存端點無效。

例外狀況訊息
錯誤的 Azure 雲端類型
錯誤的儲存體端點: {0}

錯誤 0154

無法解析指定的伺服器名稱

例外狀況訊息
無法解析指定的伺服器名稱
無法解析指定的伺服器 {0} 。 documents.azure.com

錯誤 0155

DocDb 用戶端擲回例外狀況

例外狀況訊息
DocDb 用戶端擲回例外狀況
DocDb 用戶端: {0}

錯誤 0156

HCatalog 伺服器的回應不正確。

例外狀況訊息
HCatalog 伺服器的回應不正確。 檢查所有服務是否正在執行。
HCatalog 伺服器的回應不正確。 檢查所有服務是否正在執行。 錯誤詳細資料: {0}

錯誤 0157

因為檔架構不一致或不同,所以讀取 Azure Cosmos DB 時發生錯誤。 讀者要求所有檔都必須具有相同的架構。

例外狀況訊息
偵測到具有不同架構的檔。 請確定所有檔都有相同的架構

錯誤 1000

內部程式庫例外狀況。

提供此錯誤的用意,是為了擷取其他未處理的內部引擎錯誤。 因此,此錯誤的成因可能隨著產生錯誤的模組而有所不同。

如需更多協助,建議您將錯誤附帶的詳細訊息張貼至 Azure Machine Learning 論壇,並附上案例的說明,包括作為輸入的資料。 這樣的意見反應可協助我們設定錯誤的優先順序,並找出最重要的問題以進一步處理。

例外狀況訊息
程式庫例外狀況。
程式庫例外狀況: {0}
{0} 程式庫例外狀況: {1}

詳細的說明

模組錯誤碼

需要 Azure Machine Learning 的協助或疑難排解秘訣嗎? 請嘗試下列資源: