Модель прогнозирования дефектов
Модели прогнозирования дефектов прогнозируют вероятность программных сбоев в программных модулях, используя статистические подходы или подходы машинного обучения. Пионерские работы Остранда, Веюкера и Белла (2005) коррелируют метрики кода (сложность, изменения, связанность) с историческими данными о дефектах для выявления компонентов с высоким риском. Организации используют прогнозы для распределения ресурсов тестирования, руководства ревью кода и приоритизации рефакторинга.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Software Defect Prediction and Risk Classification. ScholarGate. https://scholargate.app/ru/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.
- Отслеживание скорости в AgileПрограммная инженерия↔ compare
- Анализ покрытия кодаПрограммная инженерия↔ compare
- Метрики сложности программного обеспеченияПрограммная инженерия↔ compare
- Статический анализ кодаПрограммная инженерия↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →