Hay algunos artículos que describen los problemas con este conjunto de datos. Si bien fue muy útil para ilustrar métodos de modelado predictivo y exploratorio, es hora de dejar este ejemplo a un lado. También destaca la necesidad de encontrar y comprender la fuente de los datos que se utilizan al realizar demostraciones y preparar la documentación.
https://medium.com/@docintangible/racist-data-destruction-113e3eff54a8
https://scikit-learn.org/1.0/modules/generated/sklearn.datasets.load_boston.html
Continuaremos analizando nuestra biblioteca de datos de muestra en cada lanzamiento como una función de nuestro proceso normal de planificación de lanzamientos. Actualmente existe un proceso para desaprobar datos de muestra, que se describe en esta página de Confluence:
https://jmpdiscovery.atlassian.net/wiki/spaces/JMPDOC/pages/380633253/Process+for+Deprecating+Sample+Data
Y además de los datos de Boston Housing, en JMP 18 se eliminaron o ajustaron varios otros conjuntos de datos insensibles:
https://jmpdiscovery.atlassian.net/wiki/spaces/JMPDOC/pages/332890729/Deprecating+and+Changing+Sample+Data
Otros dos conjuntos de datos que se pueden utilizar para demostrar la regresión y predecir modelos son los conjuntos de datos "Calidad del vino" y "Abulón" del Repositorio de aprendizaje automático de la UCI. Estos tienen buenas historias y demuestran bien las capacidades de modelado de JMP:
https://archive.ics.uci.edu/dataset/1/abalone
https://archive.ics.uci.edu/dataset/186/wine+quality
A partir de JMP 18, la tabla de datos de muestra de Boston Housing se eliminó de las muestras de JMP. Se identificó que contenía información problemática; específicamente, algunos de los datos son discriminatorios, poco éticos e injustos.
"El conjunto de datos de Boston Housing se eliminó de la carpeta de datos de muestra y de la documentación del usuario final", dijo el director de gestión de productos Dan Valente ( @Daniel_Valente ) dicho. "También deberíamos dejar de utilizar estos datos para demostraciones a usuarios y clientes potenciales".
scikit-learn de Python ya eliminó el conjunto de datos y desaconseja firmemente el uso de los datos a menos que el propósito del código sea estudiar y educar sobre cuestiones éticas en la ciencia de datos y el aprendizaje automático. "Tenemos la intención de mantenernos al día con cualquier tecnología con la que JMP se integre", dijo Qiana Eaglin, directora de redacción técnica ( @Qiana_Eaglin ) dicho.
Se han identificado los siguientes conjuntos de datos como alternativas para ejemplos de regresión: diabetes, cáncer de hígado, grasa corporal, pesca y cáncer de pulmón VA. El conjunto de datos de diabetes se utiliza en la documentación del usuario final.
Los cambios en los datos de muestra también se comunicaron a nuestros clientes de EA a través de la página de primeros usuarios y también se comunicarán externamente a través de JMP Note.
Actualización (al 05/12/23):
La siguiente tabla resume los datos de muestra que se han eliminado de JMP 18.0:
Data de muestra
|
Razón del cambio
|
Tablas alternativas que se pueden utilizar
|
|---|
crimen.jmp
|
El cuadro contiene datos que pueden ser desencadenantes, en particular el uso del término “violación”.
|
Capitales de estado.jmp, SAT.jmp
|
CrimeData.jmp
|
El cuadro contiene datos que pueden ser desencadenantes, en particular el uso del término “violación”.
|
SATByYear.jmp, PopAgeGroup.jmp
|
Diseño de aumento de reactor.jmp
|
La tabla está desactualizada debido a los cambios en los números aleatorios en la generación del diseño del DOE.
|
Hyde Miller está trabajando en la creación de otro archivo de aumento.
|
DotPlot.jsl
|
Este guión se desarrolló en respuesta a las demandas de diagramas de puntos de los profesores. Graph Build ahora admite diagramas de puntos, lo que hace que este script quede obsoleto.
|
n / A
|
