结合欠抽样与集成的软件缺陷预测

？软件缺陷预测是提高测试效率、保证软件可靠性的重要途径。为了提高软件缺陷预测的准确率，提出一种结合欠抽样与决策树分类器集成的软件缺陷预测模型。考虑到软件缺陷数据的类不平衡特性，首先，通过数据的不平衡率确定抽样度，执行欠抽样实现数据的重新平衡；然后，采用bagging随机抽样原理训练若干个决策树子分类器；最后，按照少数服从多数的原则生成预测模型。使用公开的nasa软件缺陷预测数据集进行了仿真实验。实验结果表明，与3种基准方法对比，所提模型在保证预报率的前提下，误报率(pf)降低了10%以上，综合评价指标均有显著提升。该模型的缺陷预测误报率较低，而且具有较高的预测准确率与稳定性。