mdd:hello

Differences

This shows you the differences between two versions of the page.

Link to this comparison view

Both sides previous revision Previous revision
mdd:hello [2026/08/29 07:53] – Bulk sync migration usermdd:hello [2026/08/29 07:59] (current) – external edit 127.0.0.1
Line 1: Line 1:
 +==== Введение ====
 +
 +В данной статье речь пойдёт о прогнозировании дефектов программного обеспечения.
 +Прежде, чем выпустить ПО, мы должны найти дефекты в нём. Большинство автоматизированных прогнозов используют техники машинного обеспечения. Два наиболее часто использующихся подхода это Возврат и Классификация. Чтобы улучшить алгоритмы, их тренируют на различных исторических данных. По результатам экспериментов, точность алгоритмов зависит от качества исторической информации. В 2013 году была выпущена статья, которая представляет собой набор шагов по очистке от ошибочной информации с наборов данных НАССА. В первом разделе пойдёт речь о проделанной работе по очистке от ошибочной информации данных НАССА.
 +
 +==== Связная работа ====
 +
 +Проблемы данной информации:
 +1)Повторяющиеся или противоречивые примеры
 +2)Неприкосновенность информации
 +3)Постоянные и повторяющиеся определения
 +4)Не используемые значения
 +Далее были выпущены 18 тестов для проверки на ошибочность данных. Причём они помогают разделить эти данные на две группы. Первые ошибочные, вторые просто не помогают находить дефекты.
 +
 +==== Исследования и результаты ====
 +
 +Рассматривается доработка правил очистки.
 +Таблица 1 показывает определения и аббревиатуры метрик LOC, используемых в изучении. Буква а-е обозначают LOC метрики, а N - число метрик. ξ - число не используемых строк в модуле. Таблица 1 показывает число N в модуле. 
 +N = a + b + c + d + ξ (1),
 +где a - похожие строки, b - закомментированные линии, с - строки с выполняющимся кодом, d - пустые строки. 
 +
 +{{:mdd:ппс.png?500|}}
 +{{:mdd:ппс1.png?250|}}
 +
 +e - общее количество строк в модуле.
 +e = a + c (2)
 +
 +В таблице два показаны результаты показаний алгоритмов на выбранных сетах. Мы видим что на правиле (1) алгоритмы падают. Видно, что после очистки в JM1 и MC2 остаётся мало данных. Это означает, что они непригодны для предсказания дефектов. Кроме того, после очистки МС1 и PC4 наборы данных удалены все дефектные точки данных, что делает их непригодными для прогнозирования дефектов. 
 +
 +{{:mdd:ппс2.png?500|}}
 +
 +На рисунке 1 сравнивает количество экземпляров отбрасываются
 +путем применения правил очистки и
 +наши правила. Черная полоса обозначает экземпляры удалены из
 +версия tera-PROMISE наборов данных NASA MDP,
 +используя правила очистки. Точно так же, белая
 +черта обозначает экземпляры, устранённые с помощью нашего (1) и (2) правила. JM1, MC1, MC2, PC4 и PC5 NASA MDP наборов данных сильно очищены с помощью наших правил. Кроме того, в случае DS '' The
 +JM1, МС1, МС2 и Pc5 наборы данных остаются с затратами, меньше чем
 +5% от исходных точек данных.
 +
 +==== Заключение ====
 +Алгоритмы предсказаний зависят от наборов данных, на которых они построены.
 +Часто используются данные NASA, которые должны быть очищены, чтобы увеличить точность предсказаний.
 +
 +
 +
 +