論文の概要: Defect Prediction Using Stylistic Metrics

• arxiv url: http://arxiv.org/abs/2206.10959v1
• Date: Wed, 22 Jun 2022 10:11:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-23 23:57:37.085247
• Title: Defect Prediction Using Stylistic Metrics
• Title（参考訳）: スタイリスティックメトリクスを用いた欠陥予測
• Authors: Rafed Muhammad Yasir, Moumita Asad, Ahmedul Kabir
• Abstract要約: 本稿では,プロジェクト内およびプロジェクト内欠陥予測におけるスタイリスティックな指標の影響を分析することを目的とする。 実験は5つの人気のあるオープンソースプロジェクトの14のリリースで実施されている。
• 参考スコア（独自算出の注目度）: 2.371982686172067
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Defect prediction is one of the most popular research topics due to its potential to minimize software quality assurance efforts. Existing approaches have examined defect prediction from various perspectives such as complexity and developer metrics. However, none of these consider programming style for defect prediction. This paper aims at analyzing the impact of stylistic metrics on both within-project and crossproject defect prediction. For prediction, 4 widely used machine learning algorithms namely Naive Bayes, Support Vector Machine, Decision Tree and Logistic Regression are used. The experiment is conducted on 14 releases of 5 popular, open source projects. F1, Precision and Recall are inspected to evaluate the results. Results reveal that stylistic metrics are a good predictor of defects.
• Abstract（参考訳）: 欠陥予測は、ソフトウェア品質保証の努力を最小限に抑えるために最も人気のある研究トピックの1つである。 既存のアプローチでは、複雑性や開発者のメトリクスなど、さまざまな観点から欠陥予測を調査している。 しかし、いずれも欠陥予測にはプログラミングスタイルを考慮しない。 本稿では,プロジェクト内およびプロジェクト間の欠陥予測におけるスタイル指標の影響を分析することを目的とした。 予測には、Naive Bayes、Support Vector Machine、Decision Tree、Logistic Regressionという4つの機械学習アルゴリズムが広く使用されている。 この実験は5つの人気のあるオープンソースプロジェクトの14のリリースで実施されている。 F1、精度、リコールを検査して結果を評価する。 その結果、スタイリスティックなメトリクスは欠陥のよい予測要因であることが判明した。

関連論文リスト

• Variance of ML-based software fault predictors: are we really improving fault prediction? [0.3222802562733786]
  我々は、最先端の故障予測手法のばらつきを実験的に分析する。 我々は,クラス毎の精度測定値において最大10.10%のばらつきを観測した。
  論文  参考訳（メタデータ） (2023-10-26T09:31:32Z)
• Explainable Software Defect Prediction from Cross Company Project Metrics Using Machine Learning [5.829545587965401]
  本研究では,様々な機械学習アルゴリズムを適用した欠陥予測モデルの開発に焦点をあてる。 既存の欠陥予測研究で注目すべき問題は、開発モデルにおける透明性の欠如である。
  論文  参考訳（メタデータ） (2023-06-14T17:46:08Z)
• Generalizability Analysis of Graph-based Trajectory Predictor with Vectorized Representation [29.623692599892365]
  軌道予測は自動運転車にとって不可欠な課題の1つである。 機械学習の最近の進歩は、一連の高度な軌道予測アルゴリズムを生み出した。
  論文  参考訳（メタデータ） (2022-08-06T20:19:52Z)
• HEDP: A Method for Early Forecasting Software Defects based on Human Error Mechanisms [1.0660480034605238]
  ソフトウェア欠陥の背後にある主なプロセスは、エラーを起こしやすいシナリオがヒューマンエラーモードを引き起こすことである。 提案されたアイデアは、潜在的な欠陥の正確な位置と形を予測することを強調する。
  論文  参考訳（メタデータ） (2021-10-13T14:44:23Z)
• Learning to Predict Trustworthiness with Steep Slope Loss [69.40817968905495]
  本研究では,現実の大規模データセットにおける信頼性の予測問題について検討する。 我々は、先行技術損失関数で訓練された信頼性予測器が、正しい予測と誤った予測の両方を信頼に値するものとみなす傾向があることを観察する。 そこで我々は,2つのスライド状の曲線による不正確な予測から,特徴w.r.t.正しい予測を分離する,新たな急勾配損失を提案する。
  論文  参考訳（メタデータ） (2021-09-30T19:19:09Z)
• Hessian-based toolbox for reliable and interpretable machine learning in physics [58.720142291102135]
  本稿では,モデルアーキテクチャの解釈可能性と信頼性,外挿を行うためのツールボックスを提案する。 与えられたテストポイントでの予測に対する入力データの影響、モデル予測の不確実性の推定、およびモデル予測の不可知スコアを提供する。 我々の研究は、物理学やより一般的には科学に適用されたMLにおける解釈可能性と信頼性の方法の体系的利用への道を開く。
  論文  参考訳（メタデータ） (2021-08-04T16:32:59Z)
• Moving from Cross-Project Defect Prediction to Heterogeneous Defect Prediction: A Partial Replication Study [0.0]
  以前の研究では、しばしば機械学習技術を使ってバグ予測モデルを構築し、検証し、改善した。 これらのモデルから得られる知識は、ソースプロジェクトで十分なメトリクスが収集されていない場合、ターゲットプロジェクトと重複することはない。 得られた結果の再現と検証により,系統的に異種欠陥予測(HDP)を統合した。 その結果,hdpアルゴリズムはパラメータ選択に対する感度が高いため,多くのケースで実現不可能であることが判明した。
  論文  参考訳（メタデータ） (2021-03-05T06:29:45Z)
• Towards More Fine-grained and Reliable NLP Performance Prediction [85.78131503006193]
  NLPタスクのパフォーマンス予測の改善に2つの貢献をしている。 まず,F1やBLEUのような総合的な精度測定のための性能予測器について検討する。 次に,信頼区間とキャリブレーションの2つの角度から性能予測モデルの信頼性を理解する手法を提案する。
  論文  参考訳（メタデータ） (2021-02-10T15:23:20Z)
• Distribution-Free, Risk-Controlling Prediction Sets [112.9186453405701]
  ユーザ特定レベルにおける将来のテストポイントにおける期待損失を制御するブラックボックス予測器から設定値予測を生成する方法を示す。 提案手法は,予測セットのサイズをキャリブレーションするホールドアウトセットを用いて,任意のデータセットに対して明確な有限サンプル保証を提供する。
  論文  参考訳（メタデータ） (2021-01-07T18:59:33Z)
• Counterfactual Predictions under Runtime Confounding [74.90756694584839]
  本研究は, 過去のデータからすべての関連要因を抽出した環境で, 事実予測タスクについて検討する。 本稿では,この環境下での対実予測モデル学習のための2次ロバスト手法を提案する。
  論文  参考訳（メタデータ） (2020-06-30T15:49:05Z)
• Ambiguity in Sequential Data: Predicting Uncertain Futures with Recurrent Models [110.82452096672182]
  逐次データによる曖昧な予測を扱うために,Multiple hypothesis Prediction(MHP)モデルの拡張を提案する。 また、不確実性を考慮するのに適した曖昧な問題に対する新しい尺度も導入する。
  論文  参考訳（メタデータ） (2020-03-10T09:15:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。