特征选择对缺陷数量预测的影响
软件工程
2018-07-13 v1
摘要
缺陷预测是在软件度量与故障信息上训练机器学习模型以预测软件实体中缺陷的过程。尽管特征选择是构建鲁棒预测模型的重要步骤，关于其对预测软件系统中缺陷数量影响证据仍不充分。我们研究了基于相关性的特征选择(CFS)过滤方法与封装式特征选择方法对五种广泛使用的预测模型的影响，并展示了这些模型在有无特征选择情况下预测五个不同开源Java软件系统中缺陷数量的表现。我们的结果表明，封装式方法优于CFS过滤器；它们在剔除一半以上特征的同时将预测准确率提高了至多33%。我们还观察到，尽管同一特征选择方法在不同项目中选择了不同特征子集，该子集始终包含源代码度量与变更度量的混合。
引用
@article{arxiv.1807.04486,
title = {The Impact of Feature Selection on Predicting the Number of Bugs},
author = {Haidar Osman and Mohammad Ghafari and Oscar Nierstrasz},
journal= {arXiv preprint arXiv:1807.04486},
year = {2018}
}