В НЛТК естьnltk.download() функция для загрузки наборов данных, которые входят в комплект NLP.

В sklearn говорится о загрузке наборов данных (http://scikit-learn.org/stable/datasets/) и получение данных изhttp://mldata.org/ но для остальных наборов данных инструкции должны были быть загружены из источника.

Где я должен сохранить данные, которые я скачал из источника? Есть ли другие шаги после того, как я сохраню данные в правильном каталоге, прежде чем я смогу позвонить из своего кода Python?

Есть ли пример того, как скачать, например,20newsgroups набор данных?

Я установил пипл sklearn и попробовал этоIOError, Скорее всего, потому что я не скачал набор данных из источника.

>>> from sklearn.datasets import fetch_20newsgroups
>>> fetch_20newsgroups(subset='train')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/local/lib/python2.7/dist-packages/sklearn/datasets/twenty_newsgroups.py", line 207, in fetch_20newsgroups
    cache_path=cache_path)
  File "/usr/local/lib/python2.7/dist-packages/sklearn/datasets/twenty_newsgroups.py", line 89, in download_20newsgroups
    tarfile.open(archive_path, "r:gz").extractall(path=target_dir)
  File "/usr/lib/python2.7/tarfile.py", line 1678, in open
    return func(name, filemode, fileobj, **kwargs)
  File "/usr/lib/python2.7/tarfile.py", line 1727, in gzopen
    **kwargs)
  File "/usr/lib/python2.7/tarfile.py", line 1705, in taropen
    return cls(name, mode, fileobj, **kwargs)
  File "/usr/lib/python2.7/tarfile.py", line 1574, in __init__
    self.firstmember = self.next()
  File "/usr/lib/python2.7/tarfile.py", line 2334, in next
    raise ReadError("empty file")
tarfile.ReadError: empty file