Haben Sie schon einmal von einem ethischen Problem in den Boston Housing-Daten gehört?Ich war überrascht, dass ich die folgende Fehlermeldung erhielt, als ich versuchte, Boston Housing-Daten in Pythons scikit-learn zu verwenden (durch das Modul „load_boston“). Ich denke, wir sollten die Verwendung dieser Daten vermeiden, wenn Sie sie Benutzern und Interessenten vorführen. Ich habe im JIRA-Ticket JMP-16844 eingegeben, dass wir die Beispieldatentabelle „Boston Housing“ aus JMP entfernen sollen. Ich habe diesen Datensatz oft naiv verwendet.
`load_boston` has been removed from scikit-learn since version 1.2.
The Boston housing prices dataset has an ethical problem: as
investigated in [1], the authors of this dataset engineered a
non-invertible variable "B" assuming that racial self-segregation had a
positive impact on house prices [2]. Furthermore the goal of the
research that led to the creation of this dataset was to study the
impact of air quality but it did not give adequate demonstration of the
validity of this assumption.
The scikit-learn maintainers therefore strongly discourage the use of
this dataset unless the purpose of the code is to study and educate
about ethical issues in data science and machine learning.
Betreff: Haben Sie schon einmal von einem ethischen Problem in den Boston Housing-Daten gehört?Auf jeden Fall mit unserem Ziel „ um die Nutzung und Wirkung von Statistical Discovery innerhalb der USA zu verbreiten wissenschaftlich Und Maschinenbau Gemeinden“, sollten wir wirklich relevantere Beispiele verwenden.
Betreff: Haben Sie schon einmal von einem ethischen Problem in den Boston Housing-Daten gehört?Vielen Dank für die Information und Ihre Antwort.
Es scheint, dass „b“, die dritte Spalte von rechts, ein schwerwiegenderes ethisches Problem hat als „lstat“.
Betreff: Haben Sie jemals von einem ethischen Problem in den Boston Housing-Daten gehört?Danke für Ihre Antwort.
Ich stimme zu. Die „Fairness“ muss im maschinellen Lernen und im wissenschaftlichen Bereich sehr wichtig sein.
Betreff: Haben Sie schon einmal von einem ethischen Problem in den Boston Housing-Daten gehört?Korrektur.In der JMP-Beispieldatentabelle ist es die Variable „B“, die sich auf den Prozentsatz der Bevölkerung bezieht, der Afroamerikaner ist.Denken Sie an die Zeit, in der diese Studie entstand, als Rassendiskriminierung und Vorurteile in den Vereinigten Staaten weitaus verbreiteter waren.Ich denke auch, dass die LSTAT-Variable mit der Rasse oder der ethnischen Zugehörigkeit zusammenhängt.
Während Rasse oder ethnische Zugehörigkeit eine wichtige demografische Variable für die Vorhersagemodellierung sein können, wird in diesem Beispiel gezielt eine Variable definiert, die impliziert, dass eine bestimmte Rassengruppe den wirtschaftlichen Gesamtstatus einer geografischen Region bestimmt.Diese Beispieldaten werden im Buch „Building Better Models with JMP Pro“ verwendet, aber in der 2. Auflage (derzeit in Arbeit) möchten wir diesen Beispieldatensatz ersetzen.
Meiner Meinung nach ist es am besten, die Verwendung dieser Daten in Demos und Dokumentationen zu vermeiden.
Betreff: Haben Sie schon einmal von einem ethischen Problem in den Boston Housing-Daten gehört?@yusuke_ono Vielen Dank, dass Sie dieses Thema angesprochen haben.Ich wollte Ihnen mitteilen, dass dies genau geprüft wird und die Entwicklung unsere Beispieldatensätze aktiv durchsucht, um Beispiele zu identifizieren, bei denen die Quelle oder der Hintergrund der Daten für unsere Verwendung nicht geeignet wäre.
Ich denke, das unterstreicht auch, dass wir darauf achten sollten, die Quelle und den Hintergrund der Daten zu verstehen, die wir verwenden, wenn wir JMP präsentieren und vorführen.
Betreff: Haben Sie schon einmal von einem ethischen Problem in den Boston Housing-Daten gehört?Ich stimme dem oben Gesagten zu. Eine vorläufige Lösung besteht darin, Folgendes zu tun: löschen oder verstecken & ausschließen diese Variablen in Frage.Als ich vor Jahren bei AT&T arbeitete, hatten wir ähnliche Probleme bei der Verwendung der demografischen Daten der US-Volkszählung bei der Modellierung unserer Kunden. Unsere Anwälte rieten uns, sie nicht in Bewertungsmodellen zu verwenden.
