Paruoštos talpyklos naudojimas scikit-learn fetch_20newsgroups

Kai tikslas negali atsisiųsti per savo tarpinį serverį, paruoškite duomenų rinkinį palaikomu fetcher patvirtintame darbo kelyje ir perkelkite suderinamą talpyklą. Tiksle:

from sklearn.datasets import fetch_20newsgroups

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

download_if_missing=False iškelia OSError, jei duomenų nėra; jis nebandys kito atsisiuntimo kelio. Naudokite šį rezultatą, kad atskirtumėte trūkstamą paruošimą nuo vėlesnės duomenų operacijos.

Suderinkite tikslo talpyklos vietą. get_data_home praneša numatytąją reikšmę, o SCIKIT_LEARN_DATA arba aiškus data_home gali ją pakeisti. Kito naudotojo namų kataloge esanti talpykla čia automatiškai nematoma.

Sukurkite talpyklą naudodami suderinamą bibliotekos versiją ir patį fetcher. tar archyvas arba rankiniu būdu sukurtas vidinis pickle nėra keičiami su tuo palaikomu rezultatu.

Tiesioginiams atsisiuntimams sukonfigūruokite tikrojo atsisiuntėjo tarpinio serverio aplinką prieš paleidžiant Python. Kai duomenų rinkinio hostas yra viešas ir atsisiuntimai per viešą tarpinį serverį leidžiami, HTTP tarpinių serverių sąrašas siūlo kandidatus atsisiuntėjo HTTP tarpinio serverio aplinkos reikšmėms. scikit-learn įdiegimas arba pridedamų load_* pavyzdžių naudojimas nepratina tinklinio duomenų rinkinio atsisiuntimo.