剪接点是 DNA 序列上的点，在高等生物的蛋白质构建过程中，从这些点去除“不必要的”DNA。该数据集的问题是给定一个 DNA 序列时，识别外显子（插入后保留的 DNA 序列部分）和内含子（剪接的 DNA 序列部分）之间的边界。该问题包含两个子任务：识别外显子/内含子边界（称为 EI 位点）和定义内含子/外显子边界（IE 位点）。（在生物学界，IE 边界被称为“购买者”，EI 边界被称为“捐赠者”）。数据点由 180 个指示二进制变量标识，问题 3 是识别类（EI、IE、Neither），即外显子（插入后保留的 DNA 序列部分）和内含子（剪接的 DNA 序列）。StatLog DNA 数据集是 Irvine 数据库的处理版本。主要区别在于，代表核苷酸（仅 A、G、T、C）的符号变量被 3 个二进制指示变量所取代。因此，原始的 60 个符号属性被更改为 180 个二进制属性。示例的名称已被删除。不确定的示例已被删除（很少，其中 4 个）。此数据集的 StatLog 版本由 Strathclyde 大学的 Ross King 制作。有关原始详细信息，请查阅 Irvine 数据库文档。指示值赋予核苷酸 A、C、G、T，如下所示：
A -> 1 0
0C -> 0 1
0G -> 0 0 1
它将 3 的二进制组合显示为 T -> 0 0 0。使用 60 个变量获得了 180 个变量，即原始数据中的 60 个核苷酸 3 个二进制组合。因变量具有 3 类结构。 EI：外显子内含子：EI 边界数据集作为“供体”：1 IE：内含子外显子：IE 边界数据集作为“受体”：2 均无：无作为数据集：3 0。对于索引 A0、A1、A2：C A3、A4、A5：T 为第 6 个索引 A0、A1、A2：G A3、A4、A5：A 为第 10 个索引 A0、A1、A2：C A3、A4、A5：A 以便更好地理解。已公布。
