Podej¿cia oparte na uczeniu maszynowym do przewidywania defektów oprogramowania

Name: Podej¿cia oparte na uczeniu maszynowym do przewidywania defektów oprogramowania
Brand: Wydawnictwo Nasza Wiedza
Availability: OutOfStock
Rating: 5 (1 reviews)

By Shaheen Layaq

0 - Default Title

Description

W dzisiejszym ¿wiecie opartym na danych wi¿kszo¿¿ rzeczywistych aplikacji boryka si¿ z problemem nierównowagi klas, gdzie kluczowe dane s¿ rzadko¿ci¿. Ta nierównowaga ma powäny wp¿yw na dok¿adno¿¿ modeli klasyfikacyjnych, zw¿aszcza w wräliwych dziedzinach, takich jak diagnostyka medyczna, finanse i przewidywanie b¿¿dów oprogramowania. W systemach oprogramowania wczesne przewidywanie b¿¿dów ma zasadnicze znaczenie dla obni¿enia kosztów i poprawy niezawodno¿ci. Jednak wiele modeli uczenia maszynowego zawodzi z powodu nierównomiernych zbiorów danych. Aby rozwi¿zä ten problem, proponujemy trzy nowatorskie algorytmy: IDROS (próbkowanie nadmierne), IDRUS (próbkowanie niedostateczne) oraz podej¿cie hybrydowe IDROSUS. IDROS wykorzystuje KNN wokó¿ centroidu mniejszo¿ciowego do generowania danych syntetycznych, natomiast IDRUS usuwa mniej istotne próbki wi¿kszo¿ciowe na podstawie odleg¿o¿ci od ¿redniej. Hybrydowy algorytm IDROSUS równowäy obie strony jednocze¿nie, zmniejszaj¿c nadmierne dopasowanie i niedopasowanie. Ocenili¿my te metody przy u¿yciu 40 zbiorów danych z repozytorium PROMISE i przetestowali¿my je w o¿miu klasyfikatorach. Wskäniki wydajno¿ci, takie jak dok¿adno¿¿, przypomnienie, precyzja i miara F, wykazäy, ¿e IDROSUS przewy¿sza istniej¿ce techniki.

Product details

Binding:: Paperback
Number of Pages:: 80
Release Date:: 2025-10-30
Publication Date:: 2025-10-30
Publisher:: Wydawnictwo Nasza Wiedza
Languages:: Original: Polish
ISBN10:: 6209204686
ISBN13:: 9786209204685
GPSR Manufacturer Reference:: [email protected]
Weight:: 137 g
Height:: 15 cm
Width:: 22 cm
Thickness:: 0.5 cm

Buy on Amazon

Currently sold out

Add to Wishlist