下载fetch_20newsgroups

下载数据集压缩包

• 国外源下载很慢，有时候甚至根本连接不到，推荐：下载地址
• 下载的文件为：
  
  将该文件存放在一个比较好找的位置。比如：放在自己的虚拟环境中，可以单独建立一个文件夹放在其中。
  

更改相关配置

• 更改下载源：
  1.找到twenty_newsgroups.py文件。路径一般为：你的虚拟环境\Lib\site-packages\sklearn\datasets。打开，并找到以下内容：
  
  将下载路径注释掉，并将下载路径更改为自己的压缩文件的目录，比如我的是：
  
  这个时候再下载数据的时候就会从压缩包中读取，并不会再从网络中区下载。缩进的时候记得用4个空格，不要用Tab键。
  2.更改数据集解压存储目录：
  在pycharm到入数据的时候需要先将压缩包数据解压，再将解压后的数据导入，这一步有默认值，可以不用配置，如果你想要自定义，可以操作这一步。
  1.找到base.py文件。一般路径为：你的虚拟环境\Lib\site-packages\sklearn。就是上个文件的上一级目录下。找到并打开它，第一个函数就是：
  
  这个函数规定了从哪里获取数据。可以在这里修改，也可以更改环境变量，一般推荐更改环境变量，毕竟改源码不是太好的选择。
  2.设置环境变量
  点击计算机右键>属性>高级系统设置>环境变量>新建 设置：SCIKIT_LEARN_DATA,值就是存放压缩包的路径。
  
  这个时候需要重启pycharm一下。这个时候所有需要准备的工作就已经结束了。

运行

在pycharm打开控制台 输入以下代码

from sklearn.datasets import fetch_20newsgroups
news = fetch_20newsgroups(subset='all')

这个时候需要一些时间解压文件并加载数据。耐心等待一下。

等到出现输入符的时候，输入以下内容：

如果出现数据证明你已下载安装成功。查看一下的你的安装目录：

压缩包已经被删除，已经被替换为此文件。下次执行程序就会直接加载进来。