ارسل ملاحظاتك

ارسل ملاحظاتك لنا







An Empirical Evaluation Of Classification Algorithms For Fault Prediction In Open Source Projects

المصدر: مجلة جامعة الملك سعود - علوم الحاسب والمعلومات
الناشر: جامعة الملك سعود
المؤلف الرئيسي: Kaur, Arvinder (Author)
مؤلفين آخرين: Kaur, Inderpreet (Co-Author)
المجلد/العدد: مج30, ع1
محكمة: نعم
الدولة: السعودية
التاريخ الميلادي: 2018
الصفحات: 2 - 17
DOI: 10.33948/0584-030-001-001
ISSN: 1319-1578
رقم MD: 974281
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: science
مواضيع:
كلمات المؤلف المفتاحية:
Metrics | Fault Prediction | Receiver Operating Charac Teristics Analysis | Machine Learning | Nimenyi Test
رابط المحتوى:
صورة الغلاف QR قانون
حفظ في:
المستخلص: Creating software with high quality has become difficult these days with the fact that size and complexity of the developed software is high. Predicting the quality of software in early phases helps to reduce testing resources. Various statistical and machine learning techniques are used for prediction of the quality of the software. In this paper, six machine-learning models have been used for software quality prediction on five open source software. Varieties of metrics have been evaluated for the software including C & K, Henderson & Sellers, McCabe etc. Results show that Random Forest and Bagging produce good results while Naı¨ ve Bayes is least preferable for prediction.

ISSN: 1319-1578

عناصر مشابهة