scikit-learn ৰ fetch_20newsgroups ৰ বাবে প্ৰস্তুত কৰা কেশ্ব ব্যৱহাৰ কৰক
সমৰ্থিত fetcher ৰ জৰিয়তে এটা সুসংগত fetch_20newsgroups কেশ্ব সৃষ্টি কৰক, স্থানান্তৰ কৰক, তাৰ পিছত download_if_missing=False ব্যৱহাৰ কৰক।
যেতিয়া লক্ষ্যই ইয়াৰ প্ৰক্সিৰ জৰিয়তে ডাউনলোড কৰিব নোৱাৰে, তেতিয়া অনুমোদিত কাৰ্যক্ষম পথত সমৰ্থিত fetcher ৰে ডেটাছেট প্ৰস্তুত কৰক আৰু সুসংগত কেশ্বটো স্থানান্তৰ কৰক। লক্ষ্যত:
from sklearn.datasets import fetch_20newsgroups
dataset = fetch_20newsgroups(
data_home='/path/to/prepared-scikit-data',
download_if_missing=False,
)ডেটা অনুপস্থিত থাকিলে download_if_missing=False এ OSError উত্থাপন কৰে; ই অন্য ডাউনলোড পথ চেষ্টা নকৰে। অনুপস্থিত প্ৰস্তুতি আৰু পিছৰ ডেটা কাৰ্যৰ মাজত পাৰ্থক্য কৰিবলৈ সেই ফলাফল ব্যৱহাৰ কৰক।
লক্ষ্যৰ কেশ্ব অৱস্থান মিলাওক। get_data_home এ ডিফল্টৰ কথা জনায়, আনহাতে SCIKIT_LEARN_DATA বা স্পষ্ট data_home এ ইয়াক সলনি কৰিব পাৰে। অন্য ব্যৱহাৰকাৰীৰ হোমত থকা কেশ্ব ইয়াত স্বয়ংক্ৰিয়ভাৱে দেখা নাযায়।
সুসংগত লাইব্ৰেৰী সংস্কৰণ আৰু fetcher নিজেই ব্যৱহাৰ কৰি কেশ্ব সৃষ্টি কৰক। tar সংৰক্ষণ বা হাতেৰে বনোৱা আভ্যন্তৰীণ pickle সেই সমৰ্থিত ফলাফলৰ সৈতে বিনিময়যোগ্য নহয়।
জীৱন্ত ডাউনলোডৰ বাবে, Python আৰম্ভ হোৱাৰ আগতে প্ৰকৃত ডাউনলোডাৰৰ প্ৰক্সি পৰিৱেশ কনফিগাৰ কৰক। যেতিয়া ডেটাছেট হোষ্ট ৰাজহুৱা আৰু ৰাজহুৱা-প্ৰক্সি ডাউনলোড অনুমোদিত, তেতিয়া HTTP প্ৰক্সি তালিকায়ে ডাউনলোডাৰৰ HTTP প্ৰক্সি পৰিৱেশ মানৰ বাবে প্ৰাৰ্থী যোগান ধৰে। scikit-learn ইনষ্টল কৰা বা সংযুক্ত load_* উদাহৰণ ব্যৱহাৰ কৰা নেটৱৰ্ক ডেটাছেট ডাউনলোড অনুশীলন নকৰে।