Kutumia akiba iliyoandaliwa kwa fetch_20newsgroups ya scikit-learn

Wakati lengo haliwezi kupakua kupitia proksi yake, andaa mkusanyiko wa data kwa fetcher inayotumika kwenye njia ya kazi iliyoidhinishwa na uhamishe akiba inayolingana. Kwenye lengo:

from sklearn.datasets import fetch_20newsgroups

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

download_if_missing=False hutoa OSError ikiwa data haipo; haijaribu njia nyingine ya kupakua. Tumia matokeo hayo kutofautisha maandalizi yaliyokosekana na operesheni ya data baadaye.

Linganisha eneo la akiba la lengo. get_data_home huripoti thamani ya chaguo-msingi, wakati SCIKIT_LEARN_DATA au data_home dhahiri inaweza kuibadilisha. Akiba katika nyumba ya mtumiaji mwingine haionekani kiotomatiki hapa.

Tengeneza akiba ukitumia toleo la maktaba linalolingana na fetcher yenyewe. Kumbukumbu ya tar au pickle ya ndani iliyotengenezwa kwa mkono haziwezi kubadilishana na matokeo hayo yanayotumika.

Kwa upakuaji wa moja kwa moja, sanidi mazingira ya proksi ya kipakua halisi kabla Python haijaanza. Ambapo mwenyeji wa mkusanyiko wa data ni wa umma na upakuaji kupitia proksi ya umma unaruhusiwa, orodha ya proksi za HTTP hutoa wagombea kwa thamani za mazingira ya proksi ya HTTP ya kipakua. Kusakinisha scikit-learn au kutumia mifano ya load_* iliyojumuishwa hakufanyi mazoezi ya upakuaji wa mkusanyiko wa data kupitia mtandao.