Evaluación de conjuntos de datos utilizados en la construcción de modelos para la predicción de defectos en clases de proyectos software

Abstract

La predicción de defectos consiste principalmente en la identificación de componentes de software con mayor probabilidad de errores para una asigna- ción de recursos efectiva. Esto se realiza por medio de modelos predictivos que son entrenados con datos de los proyectos, como información del proceso de desarrollo o el producto software. En este estudio, se presentan tres clasificadores entrenados con tres conjuntos de datos conformados por valores de métricas orientadas a objetos obtenidas del análisis estático del código de cinco sistemas Java. Para el entrenamiento de cada modelo se utiliza el método de ensamble validación y votación configurado con los algoritmos Regresión Logística, Función de Base Radial, Árbol de Decisión, Perceptrón Multicapa, Naive Bayes y Máquinas de Vector Soporte. Los modelos predictivos registran resultados favorables, con valores mayores a 0.8 de exactitud y mayores a 0.87 de especificidad.