მომზადებული ქეშის გამოყენება scikit-learn-ის fetch_20newsgroups-ისთვის

როცა სამიზნე ვერ ახერხებს ჩამოტვირთვას თავისი პროქსის მეშვეობით, მოამზადეთ მონაცემთა ნაკრები მხარდაჭერილი fetcher-ით დამტკიცებულ სამუშაო გზაზე და გადაიტანეთ თავსებადი ქეში. სამიზნეზე:

from sklearn.datasets import fetch_20newsgroups

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

download_if_missing=False აგდებს OSError-ს, თუ მონაცემები არ არის; ის არ ცდილობს ჩამოტვირთვის სხვა გზას. გამოიყენეთ ეს შედეგი, რომ განასხვავოთ დაკარგული მომზადება მოგვიანებით მონაცემთა ოპერაციისგან.

შეუსაბამეთ სამიზნის ქეშის მდებარეობას. get_data_home აცხადებს ნაგულისხმევს, ხოლო SCIKIT_LEARN_DATA ან ცხადი data_home შეიძლება შეცვალოს იგი. სხვა მომხმარებლის სახლის საქაღალდეში არსებული ქეში აქ ავტომატურად არ ჩანს.

შექმენით ქეში თავსებადი ბიბლიოთეკის ვერსიით და თავად fetcher-ით. tar არქივი ან ხელით დამზადებული შიდა pickle არ არის ურთიერთშემცვლელი იმ მხარდაჭერილ შედეგთან.

ცოცხალი ჩამოტვირთვებისთვის კონფიგურირეთ ფაქტობრივი ჩამომტვირთავის პროქსი გარემო Python-ის დაწყებამდე. როცა მონაცემთა ნაკრების ჰოსტი საჯაროა და საჯარო პროქსით ჩამოტვირთვა ნებადართულია, HTTP პროქსების სია გვთავაზობს კანდიდატებს ჩამომტვირთავის HTTP პროქსი გარემოს მნიშვნელობებისთვის. scikit-learn-ის დაყენება ან თანდართული load_* მაგალითების გამოყენება არ ვარჯიშობს ქსელური მონაცემთა ნაკრების ჩამოტვირთვას.