從 sklearn 數據集下載 MNIST 數據會出現超時錯誤

Question

我是 ML 的新手，正在嘗試下載 MNIST 數據。 我正在使用的代碼是：

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

但是，它給出了一個錯誤說：

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

任何人都可以幫我解決這個問題需要做些什么嗎？

Answer 1

這是問題和一些好人建議的解決方法：

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

最簡單的方法是使用以下下載鏈接下載 MNIST 的 .mat 文件：

下載 MNIST.mat

下載后將文件放入 ~/scikit_learn_data/mldata 文件夾中，如果此文件夾不存在，則創建它並將 Mnist.mat 放入其中。 當您在本地擁有它們時，scikit learn 不會下載它並使用該文件。

Answer 2

由於 fetch_mldata 已被棄用，我們將不得不轉移到 fetch_openml。 確保將您的 scikit-learn 更新到 0.20.0 或更高版本，以便openml工作。

1. openml目前有 5 個與 MNIST 數據集相關的不同數據集。 這是sklearn 文檔中使用 mnist-784 數據集的一個示例。

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數據集，則可以使用load_digits ：

from sklearn.datasets  import load_digits
mnist = load_digits()

請注意，如果您正在閱讀使用 Scikit-Learn 和 TensorFlow 的 Hands-On Machine Learning一書，使用mnist-784數據集，您可能會注意到代碼

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 的圖片。我猜，可能是 mnist-784 和 mnist 原始是 nist 數據的兩個子集，或者兩個數據集之間的數據順序不同。

PS：我在嘗試加載數據時遇到了一些關於 ssl 的錯誤，在我的情況下，我更新了 openssl 並且問題已經解決。

Answer 3

雖然我不確定您收到錯誤的原因，但您可以嘗試以下可能的方法來糾正錯誤。

1. 有時，數據可能會在第一次下載時損壞。 在這種情況下，您需要清除可以從 scikit 數據主目錄中刪除的緩存。 要獲取此目錄，您可以使用 -

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

現在清理目錄，然后重新下載。

2. 如果問題仍然存在，您可以參考以下鏈接進行一些試錯以檢查您的問題。

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

如果您仍然遇到問題，我想請求您提供詳細的回溯以幫助我確定問題。

謝謝！！

Answer 4

如果您的 sklearn 版本低於 .19，則“fetch_mldata”將不起作用。 您需要將 sklearn 升級到 .23 版本