基于機器學(xué)習(xí)的軟件缺陷傾向性預(yù)測研究

打開文本圖片集

摘要：為了能盡早發(fā)現(xiàn)軟件中存在的缺陷，使用傳統(tǒng)的機器學(xué)習(xí)方法來預(yù)測軟件模塊的缺陷傾向性，選取了NASA公開數(shù)據(jù)集中的部分數(shù)據(jù)集，針對軟件缺陷預(yù)測中類不平衡的問題，分別采取了隨機欠采樣和隨機過采樣的方案，再使用邏輯回歸算法和隨機森林算法分別對數(shù)據(jù)集進行訓(xùn)練和預(yù)測，使用了查準率（Precision）、查全率（Recall）、ROC曲線下面積（AUC）作為模型的評價指標，并給出了對比實驗的結(jié)果。（剩余5771字）