ソフトウェア開発プロジェク卜をまたがるJust-In-Timeバグ予測の実験的評価

概要

論文の詳細を見る
本稿では,ソフトウェアの変更に対するバグ予測 (Just-In-Timeバグ予測) において,他のプロジェクトのデータを利用してモデル構築・判別を行う上で有用と考えられる手法を明らかにする.一般に,モデルの構築には同一プロジェクトのデータから計測されたメトリクスを用いることが多いが,データの蓄積ができていない企業や,新規開発のためデータの蓄積が少ない場合などでは利用できない.そこで本稿では,他のプロジェクトのデータを利用した有用な手法を明らかにするため,4 つのリサーチクエスチョンを実験的に検証した.6 つのオープンソースプロジェクトを用いて実験を行った結果,1) Just-In-Time バグ予測モデル構築において,ランダムフォレストはロジスティック回帰分析に比べて有用である,2) データに前処理 (正規化) を適用しても,予測精度の向上に効果はない,3) 複数のプロジェクトデータの中からメトリクス間の分布が類似しているデータを選ぶことで予測精度の向上が期待できる,4) 複数のプロジェクトデータによる集団学習は安定した予測精度を得られる事が期待できる.といった知見が得られた.
2013-10-17