Sagatavota kešatmiņas izmantošana scikit-learn fetch_20newsgroups

Ja mērķis nevar lejupielādēt caur savu starpniekserveri, sagatavojiet datu kopu ar atbalstīto fetcher apstiprinātā darba ceļā un pārsūtiet saderīgo kešatmiņu. Mērķī:

from sklearn.datasets import fetch_20newsgroups

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

download_if_missing=False izraisa OSError, ja datu nav; tas nemēģina citu lejupielādes ceļu. Izmantojiet šo rezultātu, lai atšķirtu trūkstošu sagatavošanu no vēlākas datu darbības.

Saskaņojiet mērķa kešatmiņas atrašanās vietu. get_data_home ziņo noklusējuma vērtību, savukārt SCIKIT_LEARN_DATA vai skaidri norādīts data_home var to mainīt. Kešatmiņa cita lietotāja mājas mapē šeit nav automātiski redzama.

Izveidojiet kešatmiņu ar saderīgu bibliotēkas versiju un pašu fetcher. tar arhīvs vai manuāli veidots iekšējs pickle nav aizstājami ar šo atbalstīto rezultātu.

Tiešsaistes lejupielādēm pirms Python palaišanas konfigurējiet faktiskā lejupielādētāja starpniekservera vidi. Ja datu kopas resursdators ir publisks un lejupielādes caur publisku starpniekserveri ir atļautas, HTTP starpniekserveru saraksts piedāvā kandidātus lejupielādētāja HTTP starpniekservera vides vērtībām. scikit-learn instalēšana vai komplektā iekļauto load_* piemēru izmantošana neveic tīkla datu kopas lejupielādi.