从 sklearn 数据集下载 MNIST 数据会出现超时错误

Question

我是 ML 的新手，正在尝试下载 MNIST 数据。 我正在使用的代码是：

from sklearn.datasets import fetch_mldata
mnist = fetch_mldata('MNIST original')

但是，它给出了一个错误说：

TimeoutError: [WinError 10060] A connection attempt failed because the connected party did not properly respond after a period of time, or established connection failed because connected host has failed to respond

任何人都可以帮我解决这个问题需要做些什么吗？

Answer 1

这是问题和一些好人建议的解决方法：

https://github.com/scikit-learn/scikit-learn/issues/8588

最简单的方法是使用以下下载链接下载 MNIST 的 .mat 文件：

下载 MNIST.mat

下载后将文件放入 ~/scikit_learn_data/mldata 文件夹中，如果此文件夹不存在，则创建它并将 Mnist.mat 放入其中。 当您在本地拥有它们时，scikit learn 不会下载它并使用该文件。

Answer 2

由于 fetch_mldata 已被弃用，我们将不得不转移到 fetch_openml。 确保将您的 scikit-learn 更新到 0.20.0 或更高版本，以便openml工作。

1. openml目前有 5 个与 MNIST 数据集相关的不同数据集。 这是sklearn 文档中使用 mnist-784 数据集的一个示例。

from sklearn.datasets import fetch_openml
# Load data from https://www.openml.org/d/554
X, y = fetch_openml('mnist_784', version=1, return_X_y=True)

2. 或者，如果您不需要非常大的数据集，则可以使用load_digits ：

from sklearn.datasets  import load_digits
mnist = load_digits()

请注意，如果您正在阅读使用 Scikit-Learn 和 TensorFlow 的 Hands-On Machine Learning一书，使用mnist-784数据集，您可能会注意到代码

some_digit = X[36000]
some_digit_image = some_digit.reshape(28, 28)
plt.imshow(some_digit_image, cmap=matplotlib.cm.binary, interpolation="nearest")
plt.axis('off')
plt.show()

返回 9 而不是 5 的图片。我猜，可能是 mnist-784 和 mnist 原始是 nist 数据的两个子集，或者两个数据集之间的数据顺序不同。

PS：我在尝试加载数据时遇到了一些关于 ssl 的错误，在我的情况下，我更新了 openssl 并且问题已经解决。

Answer 3

虽然我不确定您收到错误的原因，但您可以尝试以下可能的方法来纠正错误。

1. 有时，数据可能会在第一次下载时损坏。 在这种情况下，您需要清除可以从 scikit 数据主目录中删除的缓存。 要获取此目录，您可以使用 -

    from sklearn.datasets.base import get_data_home print (get_data_home())

现在清理目录，然后重新下载。

2. 如果问题仍然存在，您可以参考以下链接进行一些试错以检查您的问题。

https://github.com/ageron/handson-ml/issues/143

https://github.com/scikit-learn/scikit-learn/issues/8588

https://github.com/ageron/handson-ml/issues/8

如果您仍然遇到问题，我想请求您提供详细的回溯以帮助我确定问题。

谢谢！！

Answer 4

如果您的 sklearn 版本低于 .19，则“fetch_mldata”将不起作用。 您需要将 sklearn 升级到 .23 版本