Avez-vous déjà entendu parler d'un problème éthique dans les données de Boston Housing ?J'ai été surpris d'avoir reçu le message d'erreur suivant lorsque j'ai essayé d'utiliser les données de Boston Housing dans le scikit-learn de Python (par le module load_boston). Je pense que nous devrions éviter d'utiliser ces données lorsque vous faites une démonstration aux utilisateurs et aux prospects. J'ai entré dans le ticket JIRA JMP-16844 que nous devrions supprimer l'exemple de table de données Boston Housing de JMP. J'ai souvent utilisé cet ensemble de données naïvement.
`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.
Re : Avez-vous déjà entendu parler d'un problème éthique dans les données de Boston Housing ?En tout cas, avec notre objectif de " diffuser l'utilisation et l'impact de la découverte statistique au sein du scientifique et ingénierie communautés", nous devrions vraiment utiliser des exemples plus pertinents.
Re : Avez-vous déjà entendu parler d'un problème éthique dans les données de Boston Housing ?Merci pour l'information et votre réponse.
Il semble que "b", la 3ème colonne à partir de la droite, ait un problème éthique plus sérieux que "lstat".
Re : Avez-vous déjà entendu parler d'un problème éthique dans les données de Boston Housing ?Merci pour votre réponse.
Je suis d'accord. L'"équité" doit être très importante dans l'apprentissage automatique et le domaine scientifique.
Re : Avez-vous déjà entendu parler d'un problème éthique dans les données de Boston Housing ?Correction.Dans l'exemple de tableau de données JMP, il s'agit de la variable "B", qui est liée au pourcentage de la population afro-américaine.Gardez à l'esprit le moment où cette étude est née, lorsque la discrimination et les préjugés raciaux étaient beaucoup plus courants aux États-Unis.Je pense aussi que la variable LSTAT est liée à la race ou à l'origine ethnique.
Bien que la race ou l'origine ethnique puisse être une variable démographique importante à utiliser pour la modélisation prédictive, cet exemple définit délibérément une variable qui implique qu'un groupe racial particulier détermine le statut économique global d'une région géographique.Cet exemple de données est utilisé dans le livre Building Better Models with JMP Pro, mais dans la 2e édition (actuellement en cours), nous cherchons à remplacer cet exemple d'ensemble de données.
A mon avis, je pense qu'il vaut mieux éviter d'utiliser ces données dans les démos et la documentation.
Re : Avez-vous déjà entendu parler d'un problème éthique dans les données de Boston Housing ?@yusuke_ono merci d'avoir soulevé ce sujet.Je voulais vous faire savoir que cela est évalué de près et que le développement examine activement nos exemples d'ensembles de données pour identifier les exemples où la source ou l'arrière-plan des données ne nous conviendrait pas.
Je pense que cela souligne également que nous devons veiller à comprendre la source et le contexte des données que nous utilisons lorsque nous présentons et démontrons JMP.
Re : Avez-vous déjà entendu parler d'un problème éthique dans les données de Boston Housing ?Je suis d'accord avec ce qui a été dit plus haut. Une "solution de contournement" pour le moment consiste à supprimer ou cacher & exclure ces variables en question.Il y a des années, lorsque je travaillais chez AT&T, nous étions confrontés à des problèmes similaires en ce qui concerne l'utilisation des données démographiques du recensement américain dans la modélisation de nos clients. Nos avocats nous ont conseillé de ne pas les utiliser dans les modèles de notation.
