Usar una caché preparada para fetch_20newsgroups de scikit-learn

Cuando el destino no puede descargar a través de su proxy, prepare el conjunto de datos con el fetcher admitido en una ruta de trabajo aprobada y transfiera la caché compatible. En el destino:

from sklearn.datasets import fetch_20newsgroups

dataset = fetch_20newsgroups(
    data_home='/path/to/prepared-scikit-data',
    download_if_missing=False,
)

download_if_missing=False genera OSError si los datos no están presentes; no intenta otra ruta de descarga. Use ese resultado para distinguir una preparación ausente de una operación de datos posterior.

Ajuste la ubicación de la caché del destino. get_data_home informa el valor predeterminado, mientras que SCIKIT_LEARN_DATA o un data_home explícito pueden cambiarlo. Una caché en el directorio personal de otro usuario no es visible automáticamente aquí.

Cree la caché con una versión compatible de la biblioteca y el propio fetcher. Un archivo tar o un pickle interno hecho a mano no son intercambiables con ese resultado admitido.

Para descargas en vivo, configure el entorno de proxy del descargador real antes de que se inicie Python. Cuando el host del conjunto de datos es público y se permiten las descargas por proxy público, la lista de proxies HTTP ofrece candidatos para los valores de entorno de proxy HTTP del descargador. Instalar scikit-learn o usar los ejemplos load_* incluidos no ejercita una descarga del conjunto de datos por red.