TDSelector：一种用于跨项目缺陷预测的训练数据选择方法
软件工程
2016-12-30 v1
摘要
近年来，跨项目缺陷预测（CPDP）引起了广泛关注，并已被验证为解决新建或不活跃软件项目中本地数据稀疏问题的一种可行方法。遗憾的是，CPDP 的性能通常较差，而低质量的训练数据选择被认为是获得更好预测结果的主要障碍。据我们所知，现有与该主题相关的大多数方法仅基于实例相似度。因此，本工作的目标是提出一种用于 CPDP 的改进的训练数据选择方法，该方法同时考虑了相似度和每个训练实例具有的缺陷数量（记为 defects），称为 TDSelector，并验证所提方法的有效性。我们的实验在从两个公共仓库收集的 14 个项目（包括 15 个数据集）上进行。结果表明，在特定的 CPDP 场景下，基于 TDSelector 的缺陷预测器平均表现优于基于基线方法的预测器，AUC（ROC 曲线下面积）值分别最高提升了 10.6 和 4.3%。此外，一项额外实验表明，直接选择具有更多缺陷的实例作为训练数据，可以进一步提升由我们方法训练的缺陷预测器的性能。
引用
@article{arxiv.1612.09065,
title = {TDSelector: A Training Data Selection Method for Cross-Project Defect Prediction},
author = {Peng He and Yutao Ma and Bing Li},
journal= {arXiv preprint arXiv:1612.09065},
year = {2016}
}
备注
23 pages, 9 figures, and 8 tables