从sklearn数据集下载的MNIST数据显示超时错误

Question

我是ML的新手，正在尝试下载MNIST数据。我使用的代码是：

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

但是，它给出了一个错误：

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

谁能帮我解决这个问题？

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

由于不建议使用fetch_mldata，因此我们将不得不移至fetch_openml。确保将您的scikit-learn更新到0.20.0或更高版本以进行openml工作。

1. openml当前有5个与MNIST数据集相关的不同数据集。这是sklearn的文档中使用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，如果您遵循《使用Scikit-Learn和TensorFlow进行机器学习动手》（带有mnist-784数据集）一书，则可能会注意到该代码

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()

返回的图片是9而不是5。我猜可能是mnist-784和mnist原始图像是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：尝试加载数据时遇到了关于ssl的错误，就我而言，我更新openssl并已解决问题。