Objectif

** Résolvez les erreurs dans la fonction fetch_mldata (sklearn.datasets.fetch_mldata) utilisée lors du téléchargement des ensembles de données avec scikit-learn (sklearn). ** **

Exemple d'erreur

urllib.error.URLError: \ <urlopen error [WinError 10060] Impossible de se connecter car l'appelé connecté n'a pas répondu correctement après un certain temps. Ou la connexion établie a échoué car l'hôte connecté n'a pas répondu. > *

environnement

sklearn(scikit-learn):version 0.21.2

Solution

Utilisez fetch_openml car fetch_mldata est obsolète et fetch_openml a été créé à la place.

Notez que fetch_mldata sera supprimé dans la version 0.22.

sklearn.datasets.fetch_mldata to be removed in version 0.22.

Exemple concret

Bien que scikit-learn puisse télécharger divers ensembles de données, voici un exemple de téléchargement de l'ensemble de données mnist. De plus, le langage utilise Python.

Code source au moment de l'erreur

`fetch_mldata.py`


from sklearn.datasets import fetch_mldata

mnist = fetch_mldata("MNIST original", data_home=".")

x_all = mnist['data'].astype(np.float32) / 255
y_all = mnist['target'].astype(np.int32)

Code source modifié

Veuillez noter que fetch_openml peut être différent du nom de l'ensemble de données utilisé dans fetch_mldata.

`fetch_openml.py`


from sklearn.datasets import fetch_openml

mnist_X, mnist_y = fetch_openml('mnist_784', version=1, data_home=".", return_X_y=True)

x_all = mnist_X.astype(np.float32) / 255
y_all = mnist_y.astype(np.int32)

Solution pour l'erreur scikit-learn (sklearn) fetch_mldata