7、软件缺陷预测数据集

软件缺陷预测数据集

1 引言

软件缺陷预测是确保软件质量的重要环节。通过提前识别高风险模块，开发者可以优先修复这些模块中的缺陷，从而提高软件的可靠性。为了有效地进行软件缺陷预测，研究者们依赖于大量的数据集来进行模型训练和验证。这些数据集通常包含各种软件开发度量指标，如代码复杂度、变更频率等，以及相应的缺陷信息。本文将详细介绍用于软件缺陷预测的数据集，并探讨不同机器学习方法在该数据集上的性能表现。

2 数据集概述

2.1 数据集构成

所使用的数据集由一系列类级别的软件开发度量指标聚合而成。该数据集的主要目的是提供一个基准，作为测试新方法的实验领域。数据集提供了从源代码度量指标以及历史和过程信息中提取的特征，同时还包括了许多bug及其影响的数据。由于数据以类级别提供，因此缺陷预测也可以在类级别进行。然而，通过将类度量指标相加，这些数据也可以合并到包或子系统级别。

2.2 数据集项目

该数据集包含5个项目的度量数据，这些项目包括：

• Eclipse JDT Core
• Eclipse PDE UI
• Equinox Framework
• Lucene
• Mylyn

每个项目都附带了一系列派生的度量数据，以逗号分隔的文件形式提供的变更日志数据。这些特征由[13]提出，具体包括但不限于以下几项：

度量指标	描述