部分决策树在软件缺陷预测中的应用

• 作者: 张洋
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 软件缺陷预测 部分决策树 特征属性选择 随机森林分类算法
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 软件设计、开发与应用
• 页码范围: 182-185
• 页数: 4页
• 分类号: TP319
• 字数: 3880字
• 语种: 中文
• DOI: 10.11907/rjdk.191625

摘要

由于多个特征属性的存在以及属性间存在关联和冗余等因素,导致软件缺陷预测方法计算量较大,且降低了模型预测性能.因此,提出一种基于部分决策树(PART)的特征属性选择算法,使用PART作为特征属性选择的评价准则,然后采用SMOTE方法使数据集达到平衡后,运用回溯爬山算法搜索属性集子空间,找到最优属性子集,最后采用随机森林分类算法预测结果.通过在NASA MDP基础数据集上进行实验,并与基于相关性关系、主成分分析(PCA)两种特征属性选择方法进行比较,得出新方法在分类预测中的准确率比相关性分析方法高出1％～11％,比主成分分析方法高出3％～19％.所以该方法不仅能够有效选取特征属性子集,而且显著提高了分类预测精度及效率.