scikit-learn の fetch_20newsgroups 用に準備済みキャッシュを使う

ターゲットがプロキシ経由でダウンロードできない場合は、承認された作業経路でサポートされている fetcher を使ってデータセットを準備し、互換性のあるキャッシュを転送します。ターゲット上では:

from sklearn.datasets import fetch_20newsgroups

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

download_if_missing=False はデータが存在しない場合に OSError を発生させます。別のダウンロード経路は試しません。この結果を使って、準備の欠如と後続のデータ操作を区別してください。

ターゲットのキャッシュ場所を一致させます。get_data_home はデフォルトを報告し、SCIKIT_LEARN_DATA や明示的な data_home で変更できます。別のユーザーのホームにあるキャッシュはここでは自動的に見えません。

互換性のあるライブラリバージョンと fetcher 自体を使ってキャッシュを作成します。tar アーカイブや手作りの内部 pickle は、そのサポートされた結果と互換性がありません。

ライブダウンロードでは、Python が起動する前に実際のダウンローダーのプロキシ環境を設定します。データセットのホストが公開されており、公開プロキシ経由のダウンロードが許可されている場合、HTTP プロキシリストがダウンローダーの HTTP プロキシ環境値の候補を提供します。scikit-learn をインストールしたり、同梱の load_* の例を使ったりしても、ネットワーク経由のデータセット取得は行われません。