scikit-learn ਦੇ fetch_20newsgroups ਲਈ ਤਿਆਰ ਕੀਤਾ ਕੈਸ਼ ਵਰਤੋ

ਜਦੋਂ ਟਾਰਗਟ ਆਪਣੇ ਪ੍ਰੌਕਸੀ ਰਾਹੀਂ ਡਾਊਨਲੋਡ ਨਹੀਂ ਕਰ ਸਕਦਾ, ਤਾਂ ਮਨਜ਼ੂਰਸ਼ੁਦਾ ਕੰਮਕਾਰੀ ਮਾਰਗ ਉੱਤੇ ਸਮਰਥਿਤ fetcher ਨਾਲ ਡੇਟਾਸੈਟ ਤਿਆਰ ਕਰੋ ਅਤੇ ਅਨੁਕੂਲ ਕੈਸ਼ ਟ੍ਰਾਂਸਫਰ ਕਰੋ। ਟਾਰਗਟ ਉੱਤੇ:

from sklearn.datasets import fetch_20newsgroups

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

ਜੇ ਡੇਟਾ ਨਹੀਂ ਹੈ ਤਾਂ download_if_missing=False OSError ਉਠਾਉਂਦਾ ਹੈ; ਇਹ ਕੋਈ ਹੋਰ ਡਾਊਨਲੋਡ ਮਾਰਗ ਨਹੀਂ ਅਜ਼ਮਾਉਂਦਾ। ਉਸ ਨਤੀਜੇ ਨੂੰ ਗੁੰਮ ਤਿਆਰੀ ਨੂੰ ਬਾਅਦ ਦੀ ਡੇਟਾ ਕਾਰਵਾਈ ਤੋਂ ਵੱਖ ਕਰਨ ਲਈ ਵਰਤੋ।

ਟਾਰਗਟ ਦਾ ਕੈਸ਼ ਸਥਾਨ ਮਿਲਾਓ। get_data_home ਡਿਫਾਲਟ ਦੱਸਦਾ ਹੈ, ਜਦਕਿ SCIKIT_LEARN_DATA ਜਾਂ ਸਪੱਸ਼ਟ data_home ਇਸਨੂੰ ਬਦਲ ਸਕਦਾ ਹੈ। ਕਿਸੇ ਹੋਰ ਉਪਭੋਗਤਾ ਦੇ ਹੋਮ ਵਿੱਚ ਕੈਸ਼ ਇੱਥੇ ਆਪਣੇ ਆਪ ਦਿਖਾਈ ਨਹੀਂ ਦਿੰਦਾ।

ਅਨੁਕੂਲ ਲਾਇਬ੍ਰੇਰੀ ਸੰਸਕਰਣ ਅਤੇ fetcher ਆਪਣੇ ਆਪ ਵਰਤ ਕੇ ਕੈਸ਼ ਬਣਾਓ। tar ਆਰਕਾਈਵ ਜਾਂ ਹੱਥ ਨਾਲ ਬਣਾਇਆ ਅੰਦਰੂਨੀ pickle ਉਸ ਸਮਰਥਿਤ ਨਤੀਜੇ ਨਾਲ ਬਦਲਿਆ ਨਹੀਂ ਜਾ ਸਕਦਾ।

ਲਾਈਵ ਡਾਊਨਲੋਡ ਲਈ, Python ਸ਼ੁਰੂ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ ਅਸਲ ਡਾਊਨਲੋਡਰ ਦਾ ਪ੍ਰੌਕਸੀ ਵਾਤਾਵਰਣ ਕਨਫਿਗਰ ਕਰੋ। ਜਿੱਥੇ ਡੇਟਾਸੈਟ ਹੋਸਟ ਜਨਤਕ ਹੈ ਅਤੇ ਜਨਤਕ-ਪ੍ਰੌਕਸੀ ਡਾਊਨਲੋਡ ਦੀ ਇਜਾਜ਼ਤ ਹੈ, ਉੱਥੇ HTTP ਪ੍ਰੌਕਸੀ ਸੂਚੀ ਡਾਊਨਲੋਡਰ ਦੇ HTTP ਪ੍ਰੌਕਸੀ ਵਾਤਾਵਰਣ ਮੁੱਲਾਂ ਲਈ ਉਮੀਦਵਾਰ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ। scikit-learn ਸਥਾਪਤ ਕਰਨਾ ਜਾਂ ਬੰਡਲ ਕੀਤੇ load_* ਉਦਾਹਰਣਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਨੈੱਟਵਰਕ ਡੇਟਾਸੈਟ ਡਾਊਨਲੋਡ ਦਾ ਅਭਿਆਸ ਨਹੀਂ ਕਰਦਾ।