过采样与集成学习方法在软件缺陷预测中的对比研究

摘要：

近年来,软件缺陷预测的研究引起了大量关注.软件缺陷预测中普遍存在类别不平衡问题,即有缺陷样本要远少于无缺陷样本,而有缺陷样本又是预测的重点.上述问题使得缺陷预测模型的性能难以满足用户要求,有必要对不平衡数据进行有效处理.目前,采样法和集成学习方法已成为处理不平衡数据的2类重要方法,很多学者提出了不同的过采样方法和集成学习方法.本文研究如何把这2类方法更好地组合在一起,从而有效地处理缺陷预测中的类别不平衡问题.对此,选取RandomOverSampler、SMOTE、Borderline-SMOTE和ADASYN这4种常见的过采样方法以及Bagging、Ran-dom Forest、AdaBoost和GBDT这4种常用的集成学习方法,分别将一种过采样方法与一种集成方法组合在一起,从而形成不同的组合.通过对比每一种组合的缺陷预测性能,从而获得最优组合,为缺陷预测中不平衡问题的处理提供有益参考.实验表明,过采样方法ADASYN在处理不平衡问题方面更有优势,它与集成方法GBDT的组合表现最优,相对于其他组合具有更好的缺陷预测性能.

关键词：缺陷预测、类别不平衡、过采样、集成学习

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金面上项目;国家自然科学基金资助项目;山东省自然科学基金面上项目

在线出版日期：2020-06-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：83-88