Resumen

La predicción de defectos de software en el período inicial del ciclo de vida del desarrollo de software sigue siendo una tarea crítica e importante. La predicción de defectos y la corrección conducen a garantizar la calidad de los sistemas de software y ha seguido siendo fundamental en los estudios de los últimos años. La rápida predicción de módulos imperfectos o defectuosos en el desarrollo de software puede ayudar al equipo de desarrollo a utilizar los recursos existentes de manera competente y efectiva para proporcionar productos de software notables en un plazo corto dado. Hasta ahora, varios investigadores han industrializado modelos de predicción de defectos utilizando técnicas estadísticas y de aprendizaje automático que son enfoques operativos y efectivos para señalar los módulos defectuosos. Las técnicas de aprendizaje automático de la familia de árboles se consideran uno de los métodos de aprendizaje supervisado más finos y comúnmente utilizados. En este estudio, se emplean diferentes técnicas de aprendizaje automático de la familia de árboles para la predicción de defectos de software utilizando diez conj

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Predicción de defectos de software; Período inicial; Ciclo de vida del desarrollo de software; Modelos de predicción de defectos; Técnicas de aprendizaje automático; Técnicas de aprendizaje automático de la familia de árboles
• Keywords:Software defects prediction; Initial period; Software development life cycle; Defect prediction models; Machine learning techniques; Tree family machine learning