过采样与集成学习方法在软件缺陷预测中的对比研究

• 作者: 杜军威 江峰 王海 赵军
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 缺陷预测 类别不平衡 过采样 集成学习
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 数据挖掘
• 页码范围: 83-88
• 页数: 6页
• 分类号: TP391
• 字数: 5195字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2020.06.013

摘要

近年来,软件缺陷预测的研究引起了大量关注.软件缺陷预测中普遍存在类别不平衡问题,即有缺陷样本要远少于无缺陷样本,而有缺陷样本又是预测的重点.上述问题使得缺陷预测模型的性能难以满足用户要求,有必要对不平衡数据进行有效处理.目前,采样法和集成学习方法已成为处理不平衡数据的2类重要方法,很多学者提出了不同的过采样方法和集成学习方法.本文研究如何把这2类方法更好地组合在一起,从而有效地处理缺陷预测中的类别不平衡问题.对此,选取RandomOverSampler、SMOTE、Borderline-SMOTE和ADASYN这4种常见的过采样方法以及Bagging、Ran-dom Forest、AdaBoost和GBDT这4种常用的集成学习方法,分别将一种过采样方法与一种集成方法组合在一起,从而形成不同的组合.通过对比每一种组合的缺陷预测性能,从而获得最优组合,为缺陷预测中不平衡问题的处理提供有益参考.实验表明,过采样方法ADASYN在处理不平衡问题方面更有优势,它与集成方法GBDT的组合表现最优,相对于其他组合具有更好的缺陷预测性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杜军威	青岛科技大学信息科学技术学院	50	341	9.0	17.0
2	江峰	青岛科技大学信息科学技术学院	31	263	8.0	15.0
3	王海	青岛科技大学信息科学技术学院	1	0	0.0	0.0