文献

J-GLOBAL ID：201902237994258783   整理番号：19A2507329

ソフトウェア変更予測のためのアンサンブル技法の広範な評価【JST・京大機械翻訳】

An extensive evaluation of ensemble techniques for software change prediction

著者 (2件)： Catolino Gemma (Department of Computer Science, University of Salerno, Fisciano, Italy) ,  Ferrucci Filomena (Department of Computer Science, University of Salerno, Fisciano, Italy)
資料名： Journal of Software: Evolution and Process  (Journal of Software: Evolution and Process)
巻： 31  号： 9  ページ： e2156  発行年： 2019年 
JST資料番号： W0214A  ISSN： 2047-7473  資料種別： 逐次刊行物 (A)
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： 将来の変化に対するより高い尤度を持つソースコードの領域を予測することは,開発者が予防保全運用を計画することを可能にするための重要な活動を表す。このため,いくつかの変化予測モデルが提案されている。さらに,研究コミュニティは,異なる分類器の性能に対して異なる分類器がどのように影響するかを示し,それらが異なるコード要素の変化を正しく予測できるとしても,それらの間にいくつかの相補性が存在することを示している。本論文では,アンサンブルアプローチの使用,すなわち,複数の分類器を組み合わせることができる機械学習技術が,変化予測モデルの性能を改善できるかどうかを調べた。具体的には,異なる予測子,すなわち,生産-,プロセス-計量-,および開発-関連因子に基づく3つの変化予測モデルを構築し,標準機械学習分類器(すなわち,ロジスティック回帰,Nive Bayes,単純ロジスティック,および多層パーセプトロン)の性能と比較した。10のオープンソースシステムの33の放出について研究を行い,その結果,アンサンブル法と特にランダムフォレストがF測度に関して10%以上の有意な改善を与えることを示した。実際に,統計解析はこのアンサンブル技術の優位性を確認した。さらに,開発者関連因子を用いて構築されたモデルは,製品とプロセスの計量を利用する他のモデルよりも優れており,約77%のF測度の全体的な中央値を達成する。Copyright 2019 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 機械学習 ,  コミュニティ ,  多層パーセプトロン ,  *ソフトウェア ,  *予測 ,  測度 ,  統計解析 ,  予測モデル ,  モデル ,  予防保全
準シソーラス用語： ランダムフォレスト ,  オープンソース ,  ロジスティック回帰分析 ,  ソースコード ,  尤度 , 【Automatic Indexing@JST】

著者キーワード (4件)： 変化予測 ,  経験的研究 ,  アンサンブル技術 ,  機械学習

分類 (1件)： 計算機システム開発  (JD02010R)

タイトルに関連する用語 (5件)： ソフトウェア ,  予測 ,  アンサンブル ,  技法 ,  評価