Resumen

Para identificar módulos de software que son más propensos a ser defectuosos, se ha utilizado el aprendizaje automático para construir modelos de predicción de defectos de software (SDP, por sus siglas en inglés). Sin embargo, varios trabajos anteriores han encontrado que la naturaleza desequilibrada de los datos defectuosos del software puede disminuir el rendimiento del modelo. En este artículo, se discutió el problema de cómo mejorar la distribución desequilibrada de datos en el contexto de SDP, lo cual puede beneficiar la predicción de defectos de software con el objetivo de encontrar mejores métodos. En primer lugar, se introdujo una densidad relativa para reflejar la importancia de cada instancia dentro de su clase, que es irrelevante para la escala de distribución de datos en el espacio de características; por lo tanto, puede ser más robusta que la información de distancia absoluta. En segundo lugar, se utilizó una estrategia similar a la estimación de densidad de probabilidad basada en los k-vecinos más cercanos (KNN-PDE) para calcular la densidad relativa de

• Materias:Big Data Segmentación de líneas Tráfico de red Reconocimiento de entidad Esquema de programación
• Subjects:Big Data Line segmentation Network traffic Entity recognition Programming scheme
• Palabras claves:Módulos de software; Aprendizaje automático; Predicción de defectos de software; Distribución desequilibrada de datos; Densidad relativa; Máquina de aprendizaje extremo
• Keywords:Software modules; Machine learning; Software defect prediction; Imbalanced data distribution; Relative density; Extreme learning machine