scikit-learn ನ fetch_20newsgroups ಗಾಗಿ ಸಿದ್ಧಪಡಿಸಿದ ಕ್ಯಾಶ್ ಬಳಸಿ

ಬೆಂಬಲಿತ fetcher ಮೂಲಕ ಹೊಂದಾಣಿಕೆಯ fetch_20newsgroups ಕ್ಯಾಶ್ ರಚಿಸಿ, ಅದನ್ನು ವರ್ಗಾಯಿಸಿ, ನಂತರ download_if_missing=False ಬಳಸಿ.

ಗುರಿಯು ತನ್ನ ಪ್ರಾಕ್ಸಿ ಮೂಲಕ ಡೌನ್‌ಲೋಡ್ ಮಾಡಲು ಸಾಧ್ಯವಾಗದಿದ್ದಾಗ, ಅನುಮೋದಿತ ಕಾರ್ಯನಿರ್ವಹಣಾ ಮಾರ್ಗದಲ್ಲಿ ಬೆಂಬಲಿತ fetcher ಬಳಸಿ ಡೇಟಾಸೆಟ್ ಸಿದ್ಧಪಡಿಸಿ ಮತ್ತು ಹೊಂದಾಣಿಕೆಯ ಕ್ಯಾಶ್ ಅನ್ನು ವರ್ಗಾಯಿಸಿ. ಗುರಿಯಲ್ಲಿ:

from sklearn.datasets import fetch_20newsgroups

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

ಡೇಟಾ ಇಲ್ಲದಿದ್ದರೆ download_if_missing=False OSError ಎತ್ತುತ್ತದೆ; ಅದು ಬೇರೆ ಡೌನ್‌ಲೋಡ್ ಮಾರ್ಗವನ್ನು ಪ್ರಯತ್ನಿಸುವುದಿಲ್ಲ. ಕಾಣೆಯಾದ ಸಿದ್ಧತೆಯನ್ನು ನಂತರದ ಡೇಟಾ ಕಾರ್ಯಾಚರಣೆಯಿಂದ ಪ್ರತ್ಯೇಕಿಸಲು ಆ ಫಲಿತಾಂಶವನ್ನು ಬಳಸಿ.

ಗುರಿಯ ಕ್ಯಾಶ್ ಸ್ಥಳವನ್ನು ಹೊಂದಿಸಿ. get_data_home ಡೀಫಾಲ್ಟ್ ಅನ್ನು ವರದಿ ಮಾಡುತ್ತದೆ, ಆದರೆ SCIKIT_LEARN_DATA ಅಥವಾ ಸ್ಪಷ್ಟ data_home ಅದನ್ನು ಬದಲಾಯಿಸಬಹುದು. ಇನ್ನೊಬ್ಬ ಬಳಕೆದಾರರ ಮನೆಯಲ್ಲಿರುವ ಕ್ಯಾಶ್ ಇಲ್ಲಿ ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಕಾಣುವುದಿಲ್ಲ.

ಹೊಂದಾಣಿಕೆಯ ಲೈಬ್ರರಿ ಆವೃತ್ತಿ ಮತ್ತು fetcher ಸ್ವತಃ ಬಳಸಿ ಕ್ಯಾಶ್ ರಚಿಸಿ. tar ಆರ್ಕೈವ್ ಅಥವಾ ಕೈಯಿಂದ ಮಾಡಿದ ಆಂತರಿಕ pickle ಆ ಬೆಂಬಲಿತ ಫಲಿತಾಂಶದೊಂದಿಗೆ ಪರಸ್ಪರ ಬದಲಾಯಿಸಲಾಗದು.

ಲೈವ್ ಡೌನ್‌ಲೋಡ್‌ಗಳಿಗಾಗಿ, Python ಪ್ರಾರಂಭವಾಗುವ ಮೊದಲು ನಿಜವಾದ ಡೌನ್‌ಲೋಡರ್‌ನ ಪ್ರಾಕ್ಸಿ ಪರಿಸರವನ್ನು ಕಾನ್ಫಿಗರ್ ಮಾಡಿ. ಡೇಟಾಸೆಟ್ ಹೋಸ್ಟ್ ಸಾರ್ವಜನಿಕವಾಗಿದ್ದು ಸಾರ್ವಜನಿಕ-ಪ್ರಾಕ್ಸಿ ಡೌನ್‌ಲೋಡ್‌ಗಳು ಅನುಮತಿಸಲ್ಪಟ್ಟಾಗ, HTTP ಪ್ರಾಕ್ಸಿ ಪಟ್ಟಿ ಡೌನ್‌ಲೋಡರ್‌ನ HTTP ಪ್ರಾಕ್ಸಿ ಪರಿಸರ ಮೌಲ್ಯಗಳಿಗೆ ಅಭ್ಯರ್ಥಿಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ. scikit-learn ಸ್ಥಾಪಿಸುವುದು ಅಥವಾ ಬಂಡಲ್ ಮಾಡಿದ load_* ಉದಾಹರಣೆಗಳನ್ನು ಬಳಸುವುದು ನೆಟ್‌ವರ್ಕ್ ಡೇಟಾಸೆಟ್ ಡೌನ್‌ಲೋಡ್ ಅನ್ನು ಅಭ್ಯಾಸ ಮಾಡುವುದಿಲ್ಲ.

ಸಂಬಂಧಿತ ಲೇಖನಗಳು