疑難排解指南

本指南旨在幫助您解決使用「機器學習初學者課程」時常見的問題。如果您在此未找到解決方案，請查看我們的 Discord 討論區或提交問題。

安裝問題

Python 安裝

問題: python: command not found

解決方案:

從 python.org 安裝 Python 3.8 或更高版本
驗證安裝: python --version 或 python3 --version
在 macOS/Linux 上，可能需要使用 python3 而非 python

問題: 多個 Python 版本導致衝突

解決方案:

# Use virtual environments to isolate projects
python -m venv ml-env

# Activate virtual environment
# On Windows:
ml-env\Scripts\activate
# On macOS/Linux:
source ml-env/bin/activate

Jupyter 安裝

問題: jupyter: command not found

解決方案:

# Install Jupyter
pip install jupyter

# Or with pip3
pip3 install jupyter

# Verify installation
jupyter --version

問題: Jupyter 無法在瀏覽器中啟動

解決方案:

# Try specifying the browser
jupyter notebook --browser=chrome

# Or copy the URL with token from terminal and paste in browser manually
# Look for: http://localhost:8888/?token=...

R 安裝

問題: R 套件無法安裝

解決方案:

# Ensure you have the latest R version
# Install packages with dependencies
install.packages(c("tidyverse", "tidymodels", "caret"), dependencies = TRUE)

# If compilation fails, try installing binary versions
install.packages("package-name", type = "binary")

問題: IRkernel 無法在 Jupyter 中使用

解決方案:

# In R console
install.packages('IRkernel')
IRkernel::installspec(user = TRUE)

Jupyter Notebook 問題

核心問題

問題: 核心持續崩潰或重啟

解決方案:

重啟核心: Kernel → Restart
清除輸出並重啟: Kernel → Restart & Clear Output
檢查記憶體問題 (請參閱效能問題)
嘗試逐個執行程式碼單元以找出問題程式碼

問題: 選擇了錯誤的 Python 核心

解決方案:

檢查當前核心: Kernel → Change Kernel
選擇正確的 Python 版本
如果核心缺失，請建立它:

python -m ipykernel install --user --name=ml-env

問題: 核心無法啟動

解決方案:

# Reinstall ipykernel
pip uninstall ipykernel
pip install ipykernel

# Register the kernel again
python -m ipykernel install --user

Notebook 程式碼單元問題

問題: 程式碼單元正在執行但未顯示輸出

解決方案:

檢查程式碼單元是否仍在執行 (查看 [*] 指示器)
重啟核心並執行所有程式碼單元: Kernel → Restart & Run All
檢查瀏覽器主控台是否有 JavaScript 錯誤 (按 F12)

問題: 無法執行程式碼單元 - 點擊「執行」無反應

解決方案:

檢查 Jupyter 伺服器是否仍在終端機中運行
刷新瀏覽器頁面
關閉並重新打開 Notebook
重啟 Jupyter 伺服器

Python 套件問題

匯入錯誤

問題: ModuleNotFoundError: No module named 'sklearn'

解決方案:

pip install scikit-learn

# Common ML packages for this course
pip install scikit-learn pandas numpy matplotlib seaborn

問題: ImportError: cannot import name 'X' from 'sklearn'

解決方案:

# Update scikit-learn to latest version
pip install --upgrade scikit-learn

# Check version
python -c "import sklearn; print(sklearn.__version__)"

版本衝突

問題: 套件版本不相容錯誤

解決方案:

# Create a new virtual environment
python -m venv fresh-env
source fresh-env/bin/activate  # or fresh-env\Scripts\activate on Windows

# Install packages fresh
pip install jupyter scikit-learn pandas numpy matplotlib seaborn

# If specific version needed
pip install scikit-learn==1.3.0

問題: pip install 因權限錯誤而失敗

解決方案:

# Install for current user only
pip install --user package-name

# Or use virtual environment (recommended)
python -m venv venv
source venv/bin/activate
pip install package-name

數據載入問題

問題: 載入 CSV 檔案時出現 FileNotFoundError

解決方案:

import os
# Check current working directory
print(os.getcwd())

# Use relative paths from notebook location
df = pd.read_csv('../../data/filename.csv')

# Or use absolute paths
df = pd.read_csv('/full/path/to/data/filename.csv')

R 環境問題

套件安裝

問題: 套件安裝因編譯錯誤而失敗

解決方案:

# Install binary version (Windows/macOS)
install.packages("package-name", type = "binary")

# Update R to latest version if packages require it
# Check R version
R.version.string

# Install system dependencies (Linux)
# For Ubuntu/Debian, in terminal:
# sudo apt-get install r-base-dev

問題: tidyverse 無法安裝

解決方案:

# Install dependencies first
install.packages(c("rlang", "vctrs", "pillar"))

# Then install tidyverse
install.packages("tidyverse")

# Or install components individually
install.packages(c("dplyr", "ggplot2", "tidyr", "readr"))

RMarkdown 問題

問題: RMarkdown 無法渲染

解決方案:

# Install/update rmarkdown
install.packages("rmarkdown")

# Install pandoc if needed
install.packages("pandoc")

# For PDF output, install tinytex
install.packages("tinytex")
tinytex::install_tinytex()

測驗應用程式問題

建置與安裝

問題: npm install 失敗

解決方案:

# Clear npm cache
npm cache clean --force

# Remove node_modules and package-lock.json
rm -rf node_modules package-lock.json

# Reinstall
npm install

# If still fails, try with legacy peer deps
npm install --legacy-peer-deps

問題: 8080 埠已被佔用

解決方案:

# Use different port
npm run serve -- --port 8081

# Or find and kill process using port 8080
# On Linux/macOS:
lsof -ti:8080 | xargs kill -9

# On Windows:
netstat -ano | findstr :8080
taskkill /PID <PID> /F

建置錯誤

問題: npm run build 失敗

解決方案:

# Check Node.js version (should be 14+)
node --version

# Update Node.js if needed
# Then clean install
rm -rf node_modules package-lock.json
npm install
npm run build

問題: Linting 錯誤阻止建置

解決方案:

# Fix auto-fixable issues
npm run lint -- --fix

# Or temporarily disable linting in build
# (not recommended for production)

數據與檔案路徑問題

路徑問題

問題: 執行 Notebook 時找不到數據檔案

解決方案:

始終從 Notebook 所在目錄執行

cd /path/to/lesson/folder
jupyter notebook

檢查程式碼中的相對路徑

# Correct path from notebook location
df = pd.read_csv('../data/filename.csv')

# Not from your terminal location

必要時使用絕對路徑

import os
base_path = os.path.dirname(os.path.abspath(__file__))
data_path = os.path.join(base_path, 'data', 'filename.csv')

缺少數據檔案

問題: 數據集檔案缺失

解決方案:

檢查數據是否應包含在存儲庫中 - 大多數數據集已包含
某些課程可能需要下載數據 - 請查看課程 README
確保您已拉取最新的更改:
```
git pull origin main
```

常見錯誤訊息

記憶體錯誤

錯誤: MemoryError 或核心在處理數據時崩潰

解決方案:

# Load data in chunks
for chunk in pd.read_csv('large_file.csv', chunksize=10000):
    process(chunk)

# Or read only needed columns
df = pd.read_csv('file.csv', usecols=['col1', 'col2'])

# Free memory when done
del large_dataframe
import gc
gc.collect()

收斂警告

警告: ConvergenceWarning: Maximum number of iterations reached

解決方案:

from sklearn.linear_model import LogisticRegression

# Increase max iterations
model = LogisticRegression(max_iter=1000)

# Or scale your features first
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

繪圖問題

問題: Jupyter 中未顯示繪圖

解決方案:

# Enable inline plotting
%matplotlib inline

# Import pyplot
import matplotlib.pyplot as plt

# Show plot explicitly
plt.plot(data)
plt.show()

問題: Seaborn 繪圖顯示不同或出現錯誤

解決方案:

import warnings
warnings.filterwarnings('ignore', category=UserWarning)

# Update to compatible version
# pip install --upgrade seaborn matplotlib

Unicode/編碼錯誤

問題: 讀取檔案時出現 UnicodeDecodeError

解決方案:

# Specify encoding explicitly
df = pd.read_csv('file.csv', encoding='utf-8')

# Or try different encoding
df = pd.read_csv('file.csv', encoding='latin-1')

# For errors='ignore' to skip problematic characters
df = pd.read_csv('file.csv', encoding='utf-8', errors='ignore')

效能問題

Notebook 執行速度慢

問題: Notebook 執行速度非常慢

解決方案:

重啟核心以釋放記憶體: Kernel → Restart
關閉未使用的 Notebook 以釋放資源

使用較小的數據樣本進行測試:

# Work with subset during development
df_sample = df.sample(n=1000)

分析程式碼效能以找出瓶頸:

%time operation()  # Time single operation
%timeit operation()  # Time with multiple runs

高記憶體使用率

問題: 系統記憶體不足

解決方案:

# Check memory usage
df.info(memory_usage='deep')

# Optimize data types
df['column'] = df['column'].astype('int32')  # Instead of int64

# Drop unnecessary columns
df = df[['col1', 'col2']]  # Keep only needed columns

# Process in batches
for batch in np.array_split(df, 10):
    process(batch)

環境與配置

虛擬環境問題

問題: 虛擬環境無法啟動

解決方案:

# Windows
python -m venv venv
venv\Scripts\activate.bat

# macOS/Linux
python3 -m venv venv
source venv/bin/activate

# Check if activated (should show venv name in prompt)
which python  # Should point to venv python

問題: 套件已安裝但在 Notebook 中找不到

解決方案:

# Ensure notebook uses the correct kernel
# Install ipykernel in your venv
pip install ipykernel
python -m ipykernel install --user --name=ml-env --display-name="Python (ml-env)"

# In Jupyter: Kernel → Change Kernel → Python (ml-env)

Git 問題

問題: 無法拉取最新更改 - 合併衝突

解決方案:

# Stash your changes
git stash

# Pull latest
git pull origin main

# Reapply your changes
git stash pop

# If conflicts, resolve manually or:
git checkout --theirs path/to/file  # Take remote version
git checkout --ours path/to/file    # Keep your version

VS Code 整合

問題: Jupyter Notebook 無法在 VS Code 中打開

解決方案:

在 VS Code 中安裝 Python 擴展
在 VS Code 中安裝 Jupyter 擴展
選擇正確的 Python 解釋器: Ctrl+Shift+P → "Python: Select Interpreter"
重啟 VS Code

其他資源

Discord 討論區: 在 #ml-for-beginners 頻道中提問並分享解決方案
Microsoft Learn: 機器學習初學者模組
影片教程: YouTube 播放列表
問題追蹤器: 回報錯誤

仍有問題？

如果您已嘗試上述解決方案但仍遇到問題：

搜尋現有問題: GitHub Issues
查看 Discord 討論: Discord Discussions
提交新問題: 包括以下內容：
- 您的操作系統及版本
- Python/R 版本
- 錯誤訊息 (完整回溯)
- 重現問題的步驟
- 您已嘗試的解決方法

我們隨時為您提供幫助！🚀

免責聲明：
本文檔已使用AI翻譯服務 Co-op Translator 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動化翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

疑難排解指南

目錄

安裝問題

Python 安裝

Jupyter 安裝

R 安裝

Jupyter Notebook 問題

核心問題

Notebook 程式碼單元問題

Python 套件問題

匯入錯誤

版本衝突

數據載入問題

R 環境問題

套件安裝

RMarkdown 問題

測驗應用程式問題

建置與安裝

建置錯誤

數據與檔案路徑問題

路徑問題

缺少數據檔案

常見錯誤訊息

記憶體錯誤

收斂警告

繪圖問題

Unicode/編碼錯誤

效能問題

Notebook 執行速度慢

高記憶體使用率

環境與配置

虛擬環境問題

Git 問題

VS Code 整合

其他資源

仍有問題？

FilesExpand file tree

TROUBLESHOOTING.md

Latest commit

History

TROUBLESHOOTING.md

File metadata and controls

疑難排解指南

目錄

安裝問題

Python 安裝

Jupyter 安裝

R 安裝

Jupyter Notebook 問題

核心問題

Notebook 程式碼單元問題

Python 套件問題

匯入錯誤

版本衝突

數據載入問題

R 環境問題

套件安裝

RMarkdown 問題

測驗應用程式問題

建置與安裝

建置錯誤

數據與檔案路徑問題

路徑問題

缺少數據檔案

常見錯誤訊息

記憶體錯誤

收斂警告

繪圖問題

Unicode/編碼錯誤

效能問題

Notebook 執行速度慢

高記憶體使用率

環境與配置

虛擬環境問題

Git 問題

VS Code 整合

其他資源

仍有問題？