文献

J-GLOBAL ID：201802214423976442   整理番号：18A0162040

プロジェクトに跨る検出予測のための訓練データ選択:どちらのアプローチ良いのか【Powered by NICT】

Training Data Selection for Cross-Project Defection Prediction: Which Approach Is Better?

著者 (5件)： Bin Yi ,  Zhou Kai ,  Lu Hongmin ,  Zhou Yuming ,  Xu Baowen
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ESEM  ページ： 354-363  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 背景:多くの関連性フィルタは,建築プロジェクトに跨る欠陥予測(CPDP)モデルのための訓練データを選択するために提案されている。しかし,今日まで,関連性フィルタはCPDPに対して良い状況ではない約コンセンサスがある。目標:本論文では,最近の文献で提案された九つの関連性フィルタを比較するために徹底的な実験を行った。33種類の公開利用可能なデータセット上【方法】ベース,元の訓練データの保持比と保持データ間の重複度ランキングと分類シナリオの下で得られたCPDPモデルの予測性能を比較した。【結果】保持比と重複度の観点から,これらのフィルタ間の重要な違いがある。欠陥予測性能によると,世界のフィルタは常に第一レベルにとどまる。【結論】開業医に対して,フィルタ源プロジェクトデータに必要ではないと思われる,これは良好な欠陥予測結果につながるかもしれない。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 多重度 ,  フィルタ ,  *プロジェクト ,  等級づけ ,  保持データ ,  *予測
準シソーラス用語： 開業医 ,  予測性能 ,  欠陥予測 ,  *訓練データ , 【Automatic Indexing@JST】

分類 (3件)： 生産関連一般  (RA01091K) ,  人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (3件)： プロジェクト ,  予測 ,  訓練データ