典型文献
基于类不平衡的软件缺陷倾向性预测研究
文献摘要：
软件缺陷倾向性预测是提高软件测试效率、保证软件质量的重要手段之一,类不平衡是软件缺陷数据集中固有的问题.利用公开的NASA软件缺陷数据仓库中的部分数据集,分别采用随机过采样、人工少数类过采样法(synthetic minority over?sampling technique,SMOTE)、改进的SMOTE过采样算法处理类不平衡问题,然后使用随机森林预测模型对各软件模块的缺陷倾向性进行预测,最后利用查准率、召回率、AUC等性能评价指标对比不同采样方法处理缺陷数据集类不平衡问题的效果.
文献关键词：
机器学习;类不平衡;缺陷倾向性预测;过采样;随机森林模型
中图分类号：
作者姓名：
程雪平;陈海华
作者机构：
广州华商学院数据科学学院,广州 511300
文献出处：
引用格式：
[1]程雪平;陈海华-.基于类不平衡的软件缺陷倾向性预测研究)[J].现代计算机,2022(24):15-21
A类：
B类：
类不平衡,缺陷倾向性预测,预测研究,软件测试,测试效率,软件质量,软件缺陷数据集,中固,NASA,数据仓库,过采样,少数类,采样法,synthetic,minority,over,sampling,technique,SMOTE,采样算法,不平衡问题,随机森林预测模型,软件模块,查准率,召回率,性能评价指标,指标对比,采样方法,随机森林模型
AB值：
0.373449
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
