Evaluation of BIC and Cross Validation for model selection on sequence segmentations

Niina Haiminen*, Heikki Mannila

*Tämän työn vastaava kirjoittaja

    Tutkimustuotos: LehtiartikkeliArticleScientificvertaisarvioitu

    Abstrakti

    Segmentation is a general data mining technique for summarising and analysing sequential data. Segmentation can be applied, e. g., when studying large-scale genomic structures such as isochores. Choosing the number of segments remains a challenging question. We present extensive experimental studies on model selection techniques, Bayesian Information Criterion (BIC) and Cross Validation (CV). We successfully identify segments with different means or variances, and demonstrate the effect of linear trends and outliers, frequently occurring in real data. Results are given for real DNA sequences with respect to changes in their codon, G + C, and bigram frequencies, and copy-number variation from CGH data.

    AlkuperäiskieliEnglanti
    Sivut675-700
    Sivumäärä26
    JulkaisuINTERNATIONAL JOURNAL OF DATA MINING AND BIOINFORMATICS
    Vuosikerta4
    Numero6
    DOI - pysyväislinkit
    TilaJulkaistu - 2010
    OKM-julkaisutyyppiA1 Julkaistu artikkeli, soviteltu

    Sormenjälki

    Sukella tutkimusaiheisiin 'Evaluation of BIC and Cross Validation for model selection on sequence segmentations'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

    Siteeraa tätä