运行《Scikit Learn与TensorFlow机器学习实战》示例代码遇文件找不到错误

你遇到的这个FileNotFoundError本质上是scikit-learn旧API弃用加上代码逻辑顺序错误叠加导致的，我给你拆解原因和解决办法：

核心原因 #

1. fetch_mldata方法已经被scikit-learn彻底弃用，它原本的实现依赖手动下载MNIST数据集并放到指定目录，但新版本里这个API已经无法自动获取数据，只能依赖本地文件——你没提前准备这些文件，所以报错找不到mnist\train-labels-idx1-ubyte。
2. 你的代码还存在逻辑错误：先调用了sgd_clf.fit(X_train, y_train_5)，但y_train_5是在这之后才定义的，这其实会先引发NameError，只不过被数据集加载的问题掩盖了。

完整解决方案 #

1. 替换弃用的数据集加载API #

改用scikit-learn官方推荐的fetch_openml方法，它能自动下载并缓存MNIST数据集，不需要手动处理任何本地文件。

2. 修正代码变量定义顺序 #

先定义二分类的目标变量y_train_5，再训练模型，避免未定义变量的错误。

3. 注意数据类型匹配 #

fetch_openml获取的标签y是字符串类型，判断是否为数字5时要和字符串'5'比较，而非数字5。

修正后的完整代码如下：

# 使用官方推荐的fetch_openml加载MNIST数据集
from sklearn.datasets import fetch_openml
mnist = fetch_openml('mnist_784', version=1, cache=True, as_frame=False)
X, y = mnist["data"], mnist["target"]

# 确认数据集形状（应该输出(70000, 784)和(70000,)）
print(X.shape)
print(y.shape)

# 可视化示例数字
import matplotlib
import matplotlib.pyplot as plt
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()

# 分割训练集和测试集（保持原书的60000/10000比例）
X_train, X_test, y_train, y_test = X[:60000], X[60000:], y[:60000], y[60000:]

# 先定义二分类目标：判断是否为数字5
y_train_5 = (y_train == '5')
y_test_5 = (y_test == '5')

# 训练SGD分类器并预测
from sklearn.linear_model import SGDClassifier
sgd_clf = SGDClassifier(random_state=42)
sgd_clf.fit(X_train, y_train_5)
print(sgd_clf.predict([some_digit]))  # 应该输出[True]，因为X[36000]是数字5

额外说明 #

如果你坚持想用原书的旧方法（非常不推荐），需要手动从MNIST官方渠道下载四个压缩文件：

• train-images-idx3-ubyte.gz
• train-labels-idx1-ubyte.gz
• t10k-images-idx3-ubyte.gz
• t10k-labels-idx1-ubyte.gz
  解压后放到脚本同级的mnist目录下，但这种方法不仅繁琐，还会因为scikit-learn版本更新出现更多兼容性问题，所以优先推荐使用fetch_openml的方案。

内容的提问来源于stack exchange，提问作者ASH