Використання підготовленого кешу для fetch_20newsgroups у scikit-learn

Створіть сумісний кеш fetch_20newsgroups за допомогою підтримуваного fetcher, перенесіть його, а потім використовуйте download_if_missing=False.

Коли ціль не може завантажити через свій проксі, підготуйте набір даних підтримуваним fetcher на схваленому робочому маршруті та перенесіть сумісний кеш. На цілі:

from sklearn.datasets import fetch_20newsgroups

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

download_if_missing=False викликає OSError, якщо дані відсутні; він не намагається використати інший маршрут завантаження. Використовуйте цей результат, щоб відрізнити відсутню підготовку від пізнішої операції з даними.

Узгодьте розташування кешу на цілі. get_data_home повідомляє типове значення, а SCIKIT_LEARN_DATA або явний data_home можуть його змінити. Кеш у домашньому каталозі іншого користувача тут автоматично не видно.

Створіть кеш за допомогою сумісної версії бібліотеки та самого fetcher. Архів tar або створений вручну внутрішній pickle не є взаємозамінними з цим підтримуваним результатом.

Для живих завантажень налаштуйте проксі-середовище фактичного завантажувача до запуску Python. Якщо хост набору даних загальнодоступний і завантаження через публічний проксі дозволені, список HTTP-проксі пропонує кандидатів для значень проксі-середовища HTTP завантажувача. Встановлення scikit-learn або використання включених прикладів load_* не виконує мережевого завантаження набору даних.

Схожі статті