预测性决策对软件项目的影响有多远？来自跨项目缺陷预测模型的代价、服务时间与失效分析
软件工程
2022-10-11 v1
摘要
背景：跨项目缺陷预测(CPDP)模型正被开发以优化测试资源。目标：提出一种用于CPDP的集成分类框架，因为许多现有模型缺乏更好性能，并基于所提分类框架的输出分析CPDP的主要目标。方法：对于分类任务，我们提出一种基于自助聚合的混合归纳集成学习(HIEL)技术，采用概率加权多数投票(PWMV)策略。为知晓HIEL对软件项目的影响，我们提出三个项目特定性能度量，如完美干净百分比(PPC)、非完美干净百分比(PNPC)和漏报率(FOR)，由预测结果计算目标项目中节省的代价、剩余服务时间和失效百分比。结果：在来自PROMISE、NASA和AEEEM仓库的许多目标项目上，所提模型在F-measure上优于TDS、TCA+、HYDRA、TPTL和CODEP等近期工作。在AUC方面，TCA+和HYDRA模型是HIEL模型的强劲竞争者。结论：为更好预测，我们推荐CPDP模型使用集成学习方法。并且，为估计CPDP模型的收益，我们推荐上述项目特定性能度量。
引用
@article{arxiv.2209.14057,
title = {How Far Does the Predictive Decision Impact the Software Project? The Cost, Service Time, and Failure Analysis from a Cross-Project Defect Prediction Model},
author = {Umamaheswara Sharma B and Ravichandra Sadam},
journal= {arXiv preprint arXiv:2209.14057},
year = {2022}
}