Używanie przygotowanej pamięci podręcznej dla fetch_20newsgroups scikit-learn

Utwórz zgodną pamięć podręczną fetch_20newsgroups za pomocą obsługiwanego fetchera, przenieś ją, a następnie użyj download_if_missing=False.

Gdy cel nie może pobierać przez swój serwer proxy, przygotuj zbiór danych obsługiwanym fetcherem na zatwierdzonej działającej trasie i przenieś zgodną pamięć podręczną. Na celu:

from sklearn.datasets import fetch_20newsgroups

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

download_if_missing=False zgłasza OSError, jeśli brakuje danych; nie próbuje innej trasy pobierania. Użyj tego wyniku, aby odróżnić brakujące przygotowanie od późniejszej operacji na danych.

Dopasuj lokalizację pamięci podręcznej celu. get_data_home zgłasza wartość domyślną, natomiast SCIKIT_LEARN_DATA lub jawny data_home mogą ją zmienić. Pamięć podręczna w katalogu domowym innego użytkownika nie jest tu automatycznie widoczna.

Utwórz pamięć podręczną za pomocą zgodnej wersji biblioteki i samego fetchera. Archiwum tar lub ręcznie wykonany wewnętrzny pickle nie są wymienne z tym obsługiwanym wynikiem.

W przypadku pobierania na żywo skonfiguruj środowisko proxy rzeczywistego pobierającego przed uruchomieniem Pythona. Gdy host zbioru danych jest publiczny i dozwolone jest pobieranie przez publiczne proxy, lista proxy HTTP dostarcza kandydatów do wartości środowiska proxy HTTP pobierającego. Instalacja scikit-learn lub użycie dołączonych przykładów load_* nie ćwiczy sieciowego pobierania zbioru danych.

Powiązane artykuły