基于机器学习的软件缺陷倾向性预测研究
为了能尽早发现软件中存在的缺陷,使用传统的机器学习方法来预测软件模块的缺陷倾向性,选取了NASA公开数据集中的部分数据集,针对软件缺陷预测中类不平衡的问题,分别采取了随机欠采样和随机过采样的方案,再使用逻辑回归算法和随机森林算法分别对数据集进行训练和预测,使用了查准率(Precision)、查全率(Recall)、ROC曲线下面积(AUC)作为模型的评价指标,并给出了对比实验的结果.
机器学习、软件缺陷预测、倾向性预测、逻辑回归、随机森林
18
TP311.5(计算技术、计算机技术)
广东白云学院校级科研项目2021BYKY19
2022-05-12(万方平台首次上网日期,不代表论文的发表时间)
共4页
67-70