Utiliser un cache préparé pour fetch_20newsgroups de scikit-learn

Lorsque la cible ne peut pas télécharger via son proxy, préparez le jeu de données avec le fetcher pris en charge sur une route de travail approuvée et transférez le cache compatible. Sur la cible :

from sklearn.datasets import fetch_20newsgroups

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

download_if_missing=False lève OSError si les données sont absentes ; il n'essaie pas d'autre route de téléchargement. Utilisez ce résultat pour distinguer une préparation manquante d'une opération de données ultérieure.

Faites correspondre l'emplacement du cache de la cible. get_data_home indique la valeur par défaut, tandis que SCIKIT_LEARN_DATA ou un data_home explicite peuvent la modifier. Un cache dans le dossier personnel d'un autre utilisateur n'est pas automatiquement visible ici.

Créez le cache avec une version compatible de la bibliothèque et le fetcher lui-même. Une archive tar ou un pickle interne fabriqué à la main ne sont pas interchangeables avec ce résultat pris en charge.

Pour les téléchargements en direct, configurez l'environnement proxy du téléchargeur réel avant le démarrage de Python. Lorsque l'hôte du jeu de données est public et que les téléchargements via proxy public sont autorisés, la liste de proxies HTTP fournit des candidats pour les valeurs d'environnement proxy HTTP du téléchargeur. Installer scikit-learn ou utiliser les exemples load_* fournis n'exerce pas un téléchargement du jeu de données sur le réseau.