Modelo de Previsão de Defeitos
Modelos de previsão de defeitos preveem a probabilidade de falhas de software em módulos de código usando abordagens estatísticas ou de aprendizado de máquina. Pioneiros por Ostrand, Weyuker e Bell (2005), esses modelos correlacionam métricas de código (complexidade, churn, acoplamento) com dados históricos de defeitos para identificar componentes de alto risco. Organizações usam previsões para alocar recursos de teste, guiar revisões de código e priorizar refatorações.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- Ostrand, T. J., Weyuker, E. J., & Bell, R. M. (2005). Predicting the location and number of faults in large software systems. IEEE Transactions on Software Engineering, 31(4), 340–355. DOI: 10.1109/tse.2005.49 ↗
- Nagappan, N., Ball, T., & Zeller, A. (2006). Mining metrics to predict component failures. In Proceedings of the 28th International Conference on Software Engineering (pp. 452–461). DOI: 10.1145/1134285.1134349 ↗
- Menzies, T., Greenwald, J., & Russ, P. (2007). Problems with precision: A response to comments on 'Data mining static code attributes to learn defect predictors'. IEEE Transactions on Software Engineering, 33(9), 637–640. DOI: 10.1109/tse.2007.70721 ↗
Como citar esta página
ScholarGate. (2026, June 3). Software Defect Prediction and Risk Classification. ScholarGate. https://scholargate.app/pt/software-engineering/defect-prediction-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Rastreamento da Velocidade ÁgilEngenharia de software↔ compare
- Análise de Cobertura de CódigoEngenharia de software↔ compare
- Métricas de Complexidade de SoftwareEngenharia de software↔ compare
- Análise Estática de CódigoEngenharia de software↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →