学习识别可操作静态代码警告（本质上是容易的）

静态代码警告工具常生成被程序员忽略的警告。通过选择“可操作”警告（即通常不被忽略的警告）的数据挖掘算法，可使此类工具更有用。本文中，我们在来自FindBugs的31,058条静态代码警告中的5,675条可操作警告样本内寻找可操作警告。我们发现数据挖掘算法能以惊人地容易程度找到可操作警告。具体而言，一系列数据挖掘方法（深度学习者、随机森林、决策树学习器与支持向量机）均取得极好结果（召回率与AUC (TRN, TPR)度量通常超过95%，误报通常低于5%）。鉴于所有这些学习器都如此轻易成功，有必要追问该任务是否存在某些本质容易之处。我们报告，虽然我们的数据集有多达58个原始特征，但这些特征可由少于两个潜在维度近似。对于此类本质简单的数据，许多不同种类的学习器都能生成性能相近的有用模型。基于上述，我们得出结论：由于底层数据本质简单，使用广泛学习算法学习识别可操作静态代码警告是容易的。若必须为此任务挑选某一特定学习器，我们建议线性SVM（至少在我们的样本中该学习器运行相对快且取得最佳中位性能），而不推荐深度学习（因该数据本质非常简单）。