En defensa de iris
El archiconocido conjunto de datos iris es víctima reciente de un ataque relacionado con su pecado original: haber tenido unos padres estigmatizados hoy por su otrora popular idea de que gracias a la ciencia podríamos construir un futuro mejor.
También ha sido víctima de ataques, esta vez más endógenos, relacionados con lo menguado de su tamaño y lo trivial de su estructura.
Vengo aquí a romper una lanza —tres, más bien— en favor de este muy querido de los más conjunto de datos. Tres lanzas esgrimidas, como se verá, en contextos, con fines y ante públicos muy concretos.
La primera tiene que ver con la ubicuidad del uso de iris en infinidad de páginas de ayuda, entradas de blog, textos, etc. Si se le hace a iris lo que a Cartago, muchas cosas dejarán de funcionar y miles de programadores perderán tardes enmendando cosas que hoy funcionan felizmente en lugar de hacer cosas más amenas.
Las otras dos tienen que ver con cualidades nada triviales de iris que se esconden tras su aparente simplicidad. La tercera línea de código que invito a ejecutar los lectores de mi libro de R es plot(iris), que produce
y donde se aprecian muchos patrones reseñables de los datos. Examinarlo durante 5-10 minutos puede haber sido para muchos el primer ejercicio medianamente serio de análisis de datos: se ven ciertas relaciones lineales, grupos perfectamente diferenciados de acuerdo con determinadas características, otras con un solapamiento más problemático, etc.
Otra característica muy instructiva de iris es la que pone de manifiesto hacer boxplot(iris$Sepal.Width ~ iris$Species):
No solo puede ser la primera aproximación de muchos a los diagramas de cajas, sino que ilustra eficazmente uno de sus usos y su potencia: cómo puede servir para identificar outliers que lo son solo cuando se contemplan dentro de su clase pero que vuelan por debajo del radar en una visión menos sofisticada de los datos.
Y omito el párrafo de resumen, cierre y colofón, como tantas otras veces, en atención a la inteligencia de mis lectores.
