关于sklearn.datasets.fetch_20newsgroups下载报错的问题

​ 在尝试互联网新闻分类的时候，我遇到了这样一个问题： 实验中需要用到sklearn.datasets里新闻数据抓取器fetch_20newsgroups, 而参数subset设置为 ‘all’ 时, 则会报出需要下载14MB数据集的问题。

​ 众所周知，Python下载东西的速度是真的慢，何况这次的大小还是14MB！

​ 当你报下面这个错误的时候，不要惊慌，跟着我一步一步来。

1、 你需要到这里下载一个压缩包： 20new-sbydate.tar.gz.
这里我将它保存到云盘下，有需要的读者可以自取：链接：云盘资源：提取码为dzlx

2、 下载完成后，你的文件名应该是 20newsbydate.tar.gz ，请注意！在这里需要将这个文件更名为： 20new-sbydate.tar.gz （原因是通过Python下载的文件和自己下载的文件名略有不同）

3、 在我的电脑 C:\Users(你的user_name)\scikit_learn_data\20news_home 目录下，将下载好的压缩包拖进去（需要自己手动创建）

4、 打开我的电脑，在搜索框中查找以下文件twenty_newsgroups.py （当然，如果你清楚地记得你的Python的安装目录那你可以直接到如图所示的文件夹中打开对应的文件： twenty_newsgroups.py

5、 这里我建议你使用IDE或者是sublime打开（方便查找），并找到 download_20newsgroups 这个函数，在这个函数中有如下代码，请将下图中红框圈出的代码注释掉，并添加这样一段代码：

注：archive_path 所对应的路径就是刚刚所创建的路径

    archive_path = r'C:\Users\lenovo\scikit_learn_data\20new-sbydate.tar.gz'
    logger.debug("Decompressing %s",archive_path)
    tarfile.open(archive_path,"r:gz").extractall(path=target_dir)
    os.remove(archive_path)

6、 添加完成后，关闭并保存。这时我们可以再次运行程序，看一下效果如何：

完美解决之前的问题！

至此教程就已经结束，希望大家在今后的学习中不断进步，感谢！