Skip to content

TROUBLESHOOTING.md

Latest commit

 

History

History
601 lines (428 loc) · 13.6 KB

TROUBLESHOOTING.md

File metadata and controls

601 lines (428 loc) · 13.6 KB

Panduan Penyelesaian Masalah

Panduan ini membantu anda menyelesaikan masalah biasa semasa menggunakan kurikulum Machine Learning for Beginners. Jika anda tidak menemui penyelesaian di sini, sila semak Perbincangan Discord atau buka isu.

Kandungan

Masalah Pemasangan

Pemasangan Python

Masalah: python: command not found

Penyelesaian:

  1. Pasang Python 3.8 atau lebih tinggi dari python.org
  2. Sahkan pemasangan: python --version atau python3 --version
  3. Pada macOS/Linux, anda mungkin perlu menggunakan python3 dan bukannya python

Masalah: Versi Python berganda menyebabkan konflik

Penyelesaian:

# 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

Pemasangan Jupyter

Masalah: jupyter: command not found

Penyelesaian:

# Install Jupyter
pip install jupyter

# Or with pip3
pip3 install jupyter

# Verify installation
jupyter --version

Masalah: Jupyter tidak dilancarkan dalam pelayar

Penyelesaian:

# 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=...

Pemasangan R

Masalah: Pakej R tidak dapat dipasang

Penyelesaian:

# 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")

Masalah: IRkernel tidak tersedia dalam Jupyter

Penyelesaian:

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

Masalah Jupyter Notebook

Masalah Kernel

Masalah: Kernel sering mati atau dimulakan semula

Penyelesaian:

  1. Mulakan semula kernel: Kernel → Restart
  2. Kosongkan output dan mulakan semula: Kernel → Restart & Clear Output
  3. Periksa masalah memori (lihat Masalah Prestasi)
  4. Cuba jalankan sel satu persatu untuk mengenal pasti kod yang bermasalah

Masalah: Kernel Python yang salah dipilih

Penyelesaian:

  1. Periksa kernel semasa: Kernel → Change Kernel
  2. Pilih versi Python yang betul
  3. Jika kernel tiada, buat kernel:
python -m ipykernel install --user --name=ml-env

Masalah: Kernel tidak dapat dimulakan

Penyelesaian:

# Reinstall ipykernel
pip uninstall ipykernel
pip install ipykernel

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

Masalah Sel Notebook

Masalah: Sel sedang berjalan tetapi tidak menunjukkan output

Penyelesaian:

  1. Periksa jika sel masih berjalan (cari penunjuk [*])
  2. Mulakan semula kernel dan jalankan semua sel: Kernel → Restart & Run All
  3. Periksa konsol pelayar untuk ralat JavaScript (F12)

Masalah: Tidak dapat menjalankan sel - tiada respons apabila klik "Run"

Penyelesaian:

  1. Periksa jika pelayan Jupyter masih berjalan dalam terminal
  2. Segarkan semula halaman pelayar
  3. Tutup dan buka semula notebook
  4. Mulakan semula pelayan Jupyter

Masalah Pakej Python

Ralat Import

Masalah: ModuleNotFoundError: No module named 'sklearn'

Penyelesaian:

pip install scikit-learn

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

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

Penyelesaian:

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

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

Konflik Versi

Masalah: Ralat ketidakserasian versi pakej

Penyelesaian:

# 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

Masalah: pip install gagal dengan ralat kebenaran

Penyelesaian:

# 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

Masalah Memuatkan Data

Masalah: FileNotFoundError semasa memuatkan fail CSV

Penyelesaian:

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')

Masalah Persekitaran R

Pemasangan Pakej

Masalah: Pemasangan pakej gagal dengan ralat pengkompil

Penyelesaian:

# 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

Masalah: tidyverse tidak dapat dipasang

Penyelesaian:

# 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"))

Masalah RMarkdown

Masalah: RMarkdown tidak dapat dirender

Penyelesaian:

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

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

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

Masalah Aplikasi Kuiz

Pembinaan dan Pemasangan

Masalah: npm install gagal

Penyelesaian:

# 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

Masalah: Port 8080 sudah digunakan

Penyelesaian:

# 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

Ralat Pembinaan

Masalah: npm run build gagal

Penyelesaian:

# 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

Masalah: Ralat linting menghalang pembinaan

Penyelesaian:

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

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

Masalah Data dan Laluan Fail

Masalah Laluan

Masalah: Fail data tidak ditemui semasa menjalankan notebook

Penyelesaian:

  1. Sentiasa jalankan notebook dari direktori yang mengandungi fail tersebut

    cd /path/to/lesson/folder
jupyter notebook

  2. Periksa laluan relatif dalam kod

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

# Not from your terminal location

  3. Gunakan laluan mutlak jika perlu

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

Fail Data Hilang

Masalah: Fail dataset hilang

Penyelesaian:

  1. Periksa jika data sepatutnya ada dalam repositori - kebanyakan dataset disertakan
  2. Sesetengah pelajaran mungkin memerlukan muat turun data - semak README pelajaran
  3. Pastikan anda telah menarik perubahan terkini: 
    git pull origin main

Mesej Ralat Biasa

Ralat Memori

Ralat: MemoryError atau kernel mati semasa memproses data

Penyelesaian:

# 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()

Amaran Konvergensi

Amaran: ConvergenceWarning: Maximum number of iterations reached

Penyelesaian:

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)

Masalah Plotting

Masalah: Plot tidak muncul dalam Jupyter

Penyelesaian:

# Enable inline plotting
%matplotlib inline

# Import pyplot
import matplotlib.pyplot as plt

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

Masalah: Plot Seaborn kelihatan berbeza atau menghasilkan ralat

Penyelesaian:

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

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

Ralat Unicode/Pengekodan

Masalah: UnicodeDecodeError semasa membaca fail

Penyelesaian:

# 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')

Masalah Prestasi

Pelaksanaan Notebook Perlahan

Masalah: Notebook sangat perlahan untuk dijalankan

Penyelesaian:

  1. Mulakan semula kernel untuk membebaskan memori: Kernel → Restart
  2. Tutup notebook yang tidak digunakan untuk membebaskan sumber
  3. Gunakan sampel data yang lebih kecil untuk ujian: 
    # Work with subset during development
df_sample = df.sample(n=1000)
  4. Profilkan kod anda untuk mencari kelembapan: 
    %time operation()  # Time single operation
%timeit operation()  # Time with multiple runs

Penggunaan Memori Tinggi

Masalah: Sistem kehabisan memori

Penyelesaian:

# 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)

Persekitaran dan Konfigurasi

Masalah Persekitaran Maya

Masalah: Persekitaran maya tidak diaktifkan

Penyelesaian:

# 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

Masalah: Pakej dipasang tetapi tidak ditemui dalam notebook

Penyelesaian:

# 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)

Masalah Git

Masalah: Tidak dapat menarik perubahan terkini - konflik penggabungan

Penyelesaian:

# 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

Integrasi VS Code

Masalah: Notebook Jupyter tidak dapat dibuka dalam VS Code

Penyelesaian:

  1. Pasang sambungan Python dalam VS Code
  2. Pasang sambungan Jupyter dalam VS Code
  3. Pilih interpreter Python yang betul: Ctrl+Shift+P → "Python: Select Interpreter"
  4. Mulakan semula VS Code

Sumber Tambahan

Masih Mengalami Masalah?

Jika anda telah mencuba penyelesaian di atas dan masih menghadapi masalah:

  1. Cari isu sedia ada: GitHub Issues
  2. Semak perbincangan dalam Discord: Perbincangan Discord
  3. Buka isu baru: Sertakan:
    • Sistem operasi dan versi anda
    • Versi Python/R
    • Mesej ralat (jejak penuh)
    • Langkah untuk menghasilkan semula masalah
    • Apa yang telah anda cuba

Kami sedia membantu! 🚀

Penafian:
Dokumen ini telah diterjemahkan menggunakan perkhidmatan terjemahan AI Co-op Translator. Walaupun kami berusaha untuk memastikan ketepatan, sila ambil perhatian bahawa terjemahan automatik mungkin mengandungi kesilapan atau ketidaktepatan. Dokumen asal dalam bahasa asalnya harus dianggap sebagai sumber yang berwibawa. Untuk maklumat yang kritikal, terjemahan manusia profesional adalah disyorkan. Kami tidak bertanggungjawab atas sebarang salah faham atau salah tafsir yang timbul daripada penggunaan terjemahan ini.