Paggamit ng Nakahandang Cache para sa fetch_20newsgroups ng scikit-learn

Gumawa ng katugmang cache ng fetch_20newsgroups sa pamamagitan ng sinusuportahang fetcher, ilipat ito, pagkatapos ay gamitin ang download_if_missing=False.

Kapag hindi makapag-download ang target sa pamamagitan ng proxy nito, ihanda ang dataset gamit ang sinusuportahang fetcher sa isang aprubadong gumaganang ruta at ilipat ang katugmang cache. Sa target:

from sklearn.datasets import fetch_20newsgroups

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

Nagtatapon ang download_if_missing=False ng OSError kung wala ang data; hindi ito sumusubok ng ibang ruta ng pag-download. Gamitin ang resultang iyon upang makilala ang nawawalang paghahanda mula sa susunod na operasyon ng data.

Itugma ang lokasyon ng cache ng target. Iniulat ng get_data_home ang default, habang ang SCIKIT_LEARN_DATA o isang tahasang data_home ay maaaring magbago nito. Ang cache sa home ng ibang user ay hindi awtomatikong nakikita rito.

Gumawa ng cache gamit ang katugmang bersyon ng library at ang fetcher mismo. Ang tar archive o ginawang-kamay na panloob na pickle ay hindi mapapalitan ng sinusuportahang resultang iyon.

Para sa live na pag-download, i-configure ang proxy environment ng aktwal na downloader bago magsimula ang Python. Kung ang host ng dataset ay pampubliko at pinapayagan ang pag-download sa pamamagitan ng pampublikong proxy, ang listahan ng HTTP proxy ay nagbibigay ng mga kandidato para sa mga halaga ng HTTP proxy environment ng downloader. Ang pag-install ng scikit-learn o paggamit ng mga nakabundol na halimbawa ng load_* ay hindi nagsasanay ng pag-download ng dataset sa network.

Kaugnay na mga artikulo