PRZEWIDYWANIE WAGI DEFEKTU KODU NA PODSTAWIE UCZENIA ZESPOŁOWEGO

W uczeniu maszynowym algorytmy uczenia się, które uczą się na podstawie innych algorytmów, nazywane są metauczeniem. Pojawiły się nowe algorytmy zwane algorytmami Ensemble jako realna metoda poprawy dokładności i niezawodności modeli przewidywania defektów. W rozwoju oprogramowania przewidywanie defektów w inżynierii oprogramowania jest nadal dużym wyzwaniem i prowadzi do awarii systemów, zwiększa koszty utrzymania i utrudnia proces tworzenia oprogramowania. W rezultacie systemy przewidywania defektów stały się coraz bardziej popularne jako sposób przewidywania możliwych wad na wczesnym etapie procesu rozwoju. Przewidywanie defektów to proces, który określa możliwe defekty w nowo napisanym kodzie lub istniejącym zmodyfikowanym kodzie bez użycia testowania kodu. W artykule przedstawiono koncepcje uczenia się zespołowego, dokonano przeglądu tradycyjnych modeli przewidywania defektów i zbadano techniki uczenia się zespołowego do klasyfikacji i przewidywania defektów, takie jak pakowanie, wzmacnianie, układanie w stosy i lasy losowe. Studia przypadków i rzeczywiste eksperymenty ilustrują ważną rolę algorytmów zespołowych w klasyfikacji pięć typów ważności defektów i przewidywanie kodu ważności defektów w celu usprawnienia procesu tworzenia oprogramowania poprzez skrócenie czasu i wysiłku potrzebnego do określenia rodzaju defektu.