La nueva versión "JMP 18" no incluye los datos de muestra "Boston Housing.jmp" que se incluían anteriormente. Aunque estos datos de muestra fueron útiles para ilustrar cómo visualizar datos multivariados y construir modelos predictivos , se excluyeron porque contenían contenido discriminatorio, poco ético e injusto.
referencia
Se eliminó la tabla de datos de muestra de JMP® "Boston Housing.jmp" - Comunidad de usuarios de JMP
Además, la biblioteca de Python "scikit-learn" solía incluir datos de muestra para Boston Housing, pero ya no los incluye por el mismo motivo. El siguiente es el mensaje que se muestra al importar Boston Housing con Python.
-------------------------------------------------- -------------------------------------------------- ----------------------
Por lo tanto, los mantenedores de scikit-learn desaconsejan enfáticamente el uso de este conjunto de datos a menos que el propósito del código sea estudiar y educar.
sobre cuestiones éticas en ciencia de datos y aprendizaje automático.
En este caso especial, puede recuperar el conjunto de datos del original
fuente::
importar pandas como pd
importar numpy como np
data_url = " http://lib.stat.cmu.edu/datasets/boston "
raw_df = pd.read_csv(data_url, sep="\s+", skiprows=22, encabezado=Ninguno)
datos = np.hstack([raw_df.values[::2, :], raw_df.values[1::2, :2]])
objetivo = raw_df.values[1::2, 2]
Los conjuntos de datos alternativos incluyen el conjunto de datos de vivienda de California y el conjunto de datos de vivienda de Ames.
-------------------------------------------------- -------------------------------------------------- ----------------------
Este mensaje indica que el "conjunto de datos de vivienda de California" es uno de los datos alternativos para Boston Housing. No sólo existe una simple diferencia en el hecho de que se utilizan datos de la costa oeste de los Estados Unidos en lugar de datos de la costa este, sino que la cantidad de datos y la naturaleza de los mismos también son significativamente diferentes.
JMP no incluye estos datos de California como muestra, pero puede utilizar las nuevas funciones de Python en JMP 18 para incluir estos datos.Intentaré importarlo con JMP.
Integración de Python para JMP 18
JMP ha tenido durante mucho tiempo la capacidad de conectarse a Python instalado en la misma máquina, lo que le permite ejecutar comandos y bibliotecas de Python desde JMP.
La nueva versión, JMP 18, incluye cambios y mejoras importantes en la función de integración de Python. Los principales cambios y mejoras son los siguientes.
- La instalación de JMP 18 también instala el Python integrado (versión 3.11). Por lo tanto, no es necesario instalar Python por separado de JMP y funcionará con cualquier instancia de Python instalada.
- Viene con un editor nativo de Python (JMP Python Script Editor), que le permite escribir comandos de Python directamente. (Anteriormente, la única forma de conectarse era utilizar el comando de invocación de Python desde el lenguaje de secuencias de comandos (JSL) de JMP).
- Puede utilizar paquetes de Python (jmp, jmputils) que sean convenientes para utilizar JMP. El paquete jmp es útil para manipular tablas de datos (abrir, cerrar, agregar/eliminar/cambiar columnas, etc.), y jmputils es un paquete conveniente para instalar paquetes en el entorno JMP Python.
Iniciar y ejecutar el editor de secuencias de comandos JMP Python
Inicie Python Script desde la barra de menú de JMP 18, escriba un programa Python y ejecútelo (Editar > Ejecutar script).
A continuación se muestra el código para leer el conjunto de datos scikit-learn en formato de marco de datos pandas como una tabla de datos JMP. Pegue este código en su script JMP PythonLo haré.
#Install pandas and scikit-learn packages if you have not installed
#import jmputils
#jmputils.jpip('install', 'pandas scikit-learn')
#California dataset
from sklearn.datasets import fetch_california_housing
import pandas as pd
import jmp
california = fetch_california_housing()
# Transform to pandas DataFrame
df_features = pd.DataFrame(data=california.data, columns=california.feature_names)
df_features['MedHouseVal'] = california.target
column_names = df_features.columns.tolist()
# Create JMP Datatable from pandas DataFrame
dt = jmp.DataTable('California',df_features.shape[0])
for i in range( df_features.shape[1] ):
dt.new_column(column_names[i])
dt[i] = list(df_features.iloc[:,i])
# About california_housing_dataset
print(california.DESCR)
Nota : Python de JMP también requiere que instale los paquetes que desea utilizar. Este ejemplo utiliza los paquetes pandas y scikit-learn, por lo que si no los tiene instalados, comente la segunda y tercera líneas anteriores (elimine el #) y ejecútelos.
Conjunto de datos de California
Este es un conjunto de datos cargado con JMP. Muestra el precio medio de la vivienda para 20.640 bloques en California, que es la variable objetivo (Y). Las variables explicativas incluyen ingreso por bloque (valor mediano), antigüedad del edificio (valor mediano), número promedio de habitaciones y dormitorios por hogar, población, número de miembros del hogar (valor promedio), latitud y longitud.
Usando información de latitud y longitud, tracé el precio de la vivienda (MedHouseVal) de cada bloque en un mapa usando "Graph Builder". 
Los precios de las viviendas parecen ser más altos en los bloques costeros, especialmente alrededor de ciudades más grandes como San Francisco y Los Ángeles.
En la próxima Parte 2, utilizaremos el conjunto de datos de California presentado esta vez para explicar las nuevas características de JMP 18 con más detalle.
por Naohiro Masukawa (JMP Japón)
Naohiro Masukawa - Comunidad de usuarios de JMP
