Skip to content

TROUBLESHOOTING.md

Latest commit

 

History

History
601 lines (428 loc) · 14.2 KB

TROUBLESHOOTING.md

File metadata and controls

601 lines (428 loc) · 14.2 KB

Fehlerbehebungsanleitung

Diese Anleitung hilft Ihnen, häufige Probleme beim Arbeiten mit dem Machine Learning for Beginners-Lehrplan zu lösen. Sollten Sie hier keine Lösung finden, schauen Sie in unseren Discord-Diskussionen vorbei oder eröffnen Sie ein Issue.

Inhaltsverzeichnis

Installationsprobleme

Python-Installation

Problem: python: command not found

Lösung:

  1. Installieren Sie Python 3.8 oder höher von python.org
  2. Überprüfen Sie die Installation: python --version oder python3 --version
  3. Unter macOS/Linux müssen Sie möglicherweise python3 anstelle von python verwenden

Problem: Mehrere Python-Versionen verursachen Konflikte

Lösung:

# 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-Installation

Problem: jupyter: command not found

Lösung:

# Install Jupyter
pip install jupyter

# Or with pip3
pip3 install jupyter

# Verify installation
jupyter --version

Problem: Jupyter öffnet sich nicht im Browser

Lösung:

# 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-Installation

Problem: R-Pakete lassen sich nicht installieren

Lösung:

# 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")

Problem: IRkernel ist in Jupyter nicht verfügbar

Lösung:

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

Probleme mit Jupyter Notebook

Kernel-Probleme

Problem: Kernel stürzt ab oder startet ständig neu

Lösung:

  1. Kernel neu starten: Kernel → Restart
  2. Ausgabe löschen und neu starten: Kernel → Restart & Clear Output
  3. Überprüfen Sie Speicherprobleme (siehe Leistungsprobleme)
  4. Führen Sie die Zellen einzeln aus, um problematischen Code zu identifizieren

Problem: Falscher Python-Kernel ausgewählt

Lösung:

  1. Aktuellen Kernel überprüfen: Kernel → Change Kernel
  2. Wählen Sie die richtige Python-Version aus
  3. Falls der Kernel fehlt, erstellen Sie ihn:
python -m ipykernel install --user --name=ml-env

Problem: Kernel startet nicht

Lösung:

# Reinstall ipykernel
pip uninstall ipykernel
pip install ipykernel

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

Probleme mit Notebook-Zellen

Problem: Zellen laufen, zeigen aber keine Ausgabe

Lösung:

  1. Überprüfen Sie, ob die Zelle noch läuft (achten Sie auf den [*]-Indikator)
  2. Kernel neu starten und alle Zellen ausführen: Kernel → Restart & Run All
  3. Überprüfen Sie die Browser-Konsole auf JavaScript-Fehler (F12)

Problem: Zellen lassen sich nicht ausführen - keine Reaktion beim Klicken auf "Run"

Lösung:

  1. Überprüfen Sie, ob der Jupyter-Server noch im Terminal läuft
  2. Aktualisieren Sie die Browserseite
  3. Schließen und öffnen Sie das Notebook erneut
  4. Starten Sie den Jupyter-Server neu

Probleme mit Python-Paketen

Importfehler

Problem: ModuleNotFoundError: No module named 'sklearn'

Lösung:

pip install scikit-learn

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

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

Lösung:

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

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

Versionskonflikte

Problem: Fehler aufgrund von Paketversionsinkompatibilitäten

Lösung:

# 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

Problem: pip install schlägt mit Berechtigungsfehlern fehl

Lösung:

# 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

Probleme beim Laden von Daten

Problem: FileNotFoundError beim Laden von CSV-Dateien

Lösung:

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')

Probleme mit der R-Umgebung

Paketinstallation

Problem: Paketinstallation schlägt mit Kompilierungsfehlern fehl

Lösung:

# 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

Problem: tidyverse lässt sich nicht installieren

Lösung:

# 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"))

Probleme mit RMarkdown

Problem: RMarkdown lässt sich nicht rendern

Lösung:

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

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

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

Probleme mit der Quiz-Anwendung

Build und Installation

Problem: npm install schlägt fehl

Lösung:

# 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

Problem: Port 8080 ist bereits belegt

Lösung:

# 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

Build-Fehler

Problem: npm run build schlägt fehl

Lösung:

# 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

Problem: Linting-Fehler verhindern den Build

Lösung:

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

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

Daten- und Dateipfadprobleme

Pfadprobleme

Problem: Daten werden beim Ausführen von Notebooks nicht gefunden

Lösung:

  1. Führen Sie Notebooks immer aus ihrem Verzeichnis aus

    cd /path/to/lesson/folder
jupyter notebook

  2. Überprüfen Sie relative Pfade im Code

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

# Not from your terminal location

  3. Verwenden Sie bei Bedarf absolute Pfade

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

Fehlende Datendateien

Problem: Datensätze fehlen

Lösung:

  1. Überprüfen Sie, ob die Daten im Repository enthalten sein sollten – die meisten Datensätze sind enthalten
  2. Einige Lektionen erfordern das Herunterladen von Daten – überprüfen Sie die README der Lektion
  3. Stellen Sie sicher, dass Sie die neuesten Änderungen gezogen haben: 
    git pull origin main

Häufige Fehlermeldungen

Speicherfehler

Fehler: MemoryError oder Kernel stürzt beim Verarbeiten von Daten ab

Lösung:

# 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()

Konvergenzwarnungen

Warnung: ConvergenceWarning: Maximum number of iterations reached

Lösung:

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)

Probleme mit Diagrammen

Problem: Diagramme werden in Jupyter nicht angezeigt

Lösung:

# Enable inline plotting
%matplotlib inline

# Import pyplot
import matplotlib.pyplot as plt

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

Problem: Seaborn-Diagramme sehen anders aus oder werfen Fehler

Lösung:

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

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

Unicode-/Codierungsfehler

Problem: UnicodeDecodeError beim Lesen von Dateien

Lösung:

# 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')

Leistungsprobleme

Langsame Ausführung von Notebooks

Problem: Notebooks laufen sehr langsam

Lösung:

  1. Kernel neu starten, um Speicher freizugeben: Kernel → Restart
  2. Schließen Sie ungenutzte Notebooks, um Ressourcen freizugeben
  3. Verwenden Sie kleinere Datensamples zum Testen: 
    # Work with subset during development
df_sample = df.sample(n=1000)
  4. Profilieren Sie Ihren Code, um Engpässe zu finden: 
    %time operation()  # Time single operation
%timeit operation()  # Time with multiple runs

Hoher Speicherverbrauch

Problem: System läuft aufgrund von Speichermangel langsam

Lösung:

# 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)

Umgebung und Konfiguration

Probleme mit virtuellen Umgebungen

Problem: Virtuelle Umgebung wird nicht aktiviert

Lösung:

# 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

Problem: Pakete installiert, aber im Notebook nicht gefunden

Lösung:

# 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-Probleme

Problem: Kann neueste Änderungen nicht ziehen – Merge-Konflikte

Lösung:

# 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-Integration

Problem: Jupyter-Notebooks lassen sich in VS Code nicht öffnen

Lösung:

  1. Installieren Sie die Python-Erweiterung in VS Code
  2. Installieren Sie die Jupyter-Erweiterung in VS Code
  3. Wählen Sie den richtigen Python-Interpreter aus: Ctrl+Shift+P → "Python: Select Interpreter"
  4. Starten Sie VS Code neu

Zusätzliche Ressourcen

Haben Sie immer noch Probleme?

Wenn Sie die oben genannten Lösungen ausprobiert haben und weiterhin Probleme auftreten:

  1. Suchen Sie nach bestehenden Issues: GitHub Issues
  2. Überprüfen Sie Diskussionen auf Discord: Discord-Diskussionen
  3. Eröffnen Sie ein neues Issue: Geben Sie Folgendes an:
    • Ihr Betriebssystem und dessen Version
    • Python-/R-Version
    • Fehlermeldung (vollständiger Traceback)
    • Schritte zur Reproduktion des Problems
    • Was Sie bereits ausprobiert haben

Wir helfen Ihnen gerne weiter! 🚀

Haftungsausschluss:
Dieses Dokument wurde mit dem KI-Übersetzungsdienst Co-op Translator übersetzt. Obwohl wir uns um Genauigkeit bemühen, beachten Sie bitte, dass automatisierte Übersetzungen Fehler oder Ungenauigkeiten enthalten können. Das Originaldokument in seiner ursprünglichen Sprache sollte als maßgebliche Quelle betrachtet werden. Für kritische Informationen wird eine professionelle menschliche Übersetzung empfohlen. Wir übernehmen keine Haftung für Missverständnisse oder Fehlinterpretationen, die sich aus der Nutzung dieser Übersetzung ergeben.