Использование подготовленного кэша для fetch_20newsgroups из scikit-learn
Создайте совместимый кэш fetch_20newsgroups с помощью поддерживаемого fetcher, перенесите его, затем используйте download_if_missing=False.
Когда целевая система не может скачать данные через свой прокси, подготовьте набор данных поддерживаемым fetcher на одобренном рабочем маршруте и перенесите совместимый кэш. На целевой системе:
from sklearn.datasets import fetch_20newsgroups
dataset = fetch_20newsgroups(
data_home='/path/to/prepared-scikit-data',
download_if_missing=False,
)download_if_missing=False вызывает OSError, если данные отсутствуют; он не пытается использовать другой маршрут загрузки. Используйте этот результат, чтобы отличить отсутствующую подготовку от последующей операции с данными.
Согласуйте расположение кэша на целевой системе. get_data_home сообщает значение по умолчанию, а SCIKIT_LEARN_DATA или явный data_home могут его изменить. Кэш в домашнем каталоге другого пользователя здесь автоматически не виден.
Создайте кэш с помощью совместимой версии библиотеки и самого fetcher. Архив tar или созданный вручную внутренний pickle не взаимозаменяемы с этим поддерживаемым результатом.
Для живых загрузок настройте прокси-окружение фактического загрузчика до запуска Python. Если хост набора данных общедоступен и загрузки через публичный прокси разрешены, список HTTP-прокси предлагает кандидатов для значений прокси-окружения HTTP загрузчика. Установка scikit-learn или использование входящих в комплект примеров load_* не выполняет сетевую загрузку набора данных.