scikit-learn-ന്റെ fetch_20newsgroups-നായി തയ്യാറാക്കിയ കാഷ് ഉപയോഗിക്കുക
പിന്തുണയുള്ള fetcher വഴി പൊരുത്തപ്പെടുന്ന fetch_20newsgroups കാഷ് സൃഷ്ടിച്ച്, അത് കൈമാറി, തുടർന്ന് download_if_missing=False ഉപയോഗിക്കുക.
ലക്ഷ്യത്തിന് അതിന്റെ പ്രോക്സി വഴി ഡൗൺലോഡ് ചെയ്യാൻ കഴിയാത്തപ്പോൾ, അംഗീകരിച്ച പ്രവർത്തന പാതയിൽ പിന്തുണയുള്ള fetcher ഉപയോഗിച്ച് ഡാറ്റാസെറ്റ് തയ്യാറാക്കി പൊരുത്തപ്പെടുന്ന കാഷ് കൈമാറുക. ലക്ഷ്യത്തിൽ:
from sklearn.datasets import fetch_20newsgroups
dataset = fetch_20newsgroups(
data_home='/path/to/prepared-scikit-data',
download_if_missing=False,
)ഡാറ്റ ഇല്ലെങ്കിൽ download_if_missing=False OSError ഉയർത്തുന്നു; അത് മറ്റൊരു ഡൗൺലോഡ് പാത പരീക്ഷിക്കുന്നില്ല. കാണാത്ത തയ്യാറെടുപ്പിനെ പിന്നീടുള്ള ഡാറ്റ പ്രവർത്തനത്തിൽ നിന്ന് വേർതിരിക്കാൻ ആ ഫലം ഉപയോഗിക്കുക.
ലക്ഷ്യത്തിന്റെ കാഷ് സ്ഥാനം ഒത്തുനോക്കുക. get_data_home സ്വതവേയുള്ള മൂല്യം റിപ്പോർട്ട് ചെയ്യുന്നു, അതേസമയം SCIKIT_LEARN_DATA അല്ലെങ്കിൽ വ്യക്തമായ data_home അത് മാറ്റാം. മറ്റൊരു ഉപയോക്താവിന്റെ ഹോമിലുള്ള കാഷ് ഇവിടെ സ്വയമേവ ദൃശ്യമല്ല.
പൊരുത്തപ്പെടുന്ന ലൈബ്രറി പതിപ്പും fetcher-ഉം ഉപയോഗിച്ച് കാഷ് സൃഷ്ടിക്കുക. tar ആർക്കൈവോ കൈകൊണ്ട് നിർമ്മിച്ച ആന്തരിക pickle-ഓ ആ പിന്തുണയുള്ള ഫലവുമായി പരസ്പരം മാറ്റാനാവില്ല.
തത്സമയ ഡൗൺലോഡുകൾക്ക്, Python ആരംഭിക്കുന്നതിന് മുമ്പ് യഥാർത്ഥ ഡൗൺലോഡറിന്റെ പ്രോക്സി പരിസ്ഥിതി ക്രമീകരിക്കുക. ഡാറ്റാസെറ്റ് ഹോസ്റ്റ് പൊതുവായതും പൊതു-പ്രോക്സി ഡൗൺലോഡുകൾ അനുവദനീയവുമാകുമ്പോൾ, HTTP പ്രോക്സി പട്ടിക ഡൗൺലോഡറിന്റെ HTTP പ്രോക്സി പരിസ്ഥിതി മൂല്യങ്ങൾക്ക് സ്ഥാനാർത്ഥികൾ നൽകുന്നു. scikit-learn ഇൻസ്റ്റാൾ ചെയ്യുന്നതോ ബണ്ടിൽ ചെയ്ത load_* ഉദാഹരണങ്ങൾ ഉപയോഗിക്കുന്നതോ നെറ്റ്വർക്ക് ഡാറ്റാസെറ്റ് ഡൗൺലോഡ് പരിശീലിപ്പിക്കുന്നില്ല.