| Popis: |
Yazilim hata tahmini, kaynak kodda bulunan olasi hatalarin (veya kusurlarin) varligini tahmin etmek icin siniflandirma ve/veya regresyon algoritmalarinin kullanimi islemidir. Fakat, literaturde bulunan siniflandirma calismalari, veri setlerindeki hedef ozellik degerlerini iki olasilikli (hatali veya hatasiz) veya sirasiz olarak kabul etmektedir. Bu nedenle; sifir, az veya cok hatali gibi sinif degerleri arasindaki siralama mantigini degerlendirmemektedir. Bu eksikligi gidermek amaciyla, bu calisma, yazilim hata tahminleme problemi icin sirali siniflandirma metotlarini kullanan yeni bir yaklasim onermektedir. Makalede, cesitli siniflandirma algoritmalarinin (rastgele orman, destek vektor makineleri, Naive Bayes ve k-en yakin komsu) sirali ve itibari surumleri, yazilim muhendisligi alanindaki 38 gercek veriseti uzerinde siniflandirma performanslari acisindan karsilastirilmistir. Sonuclar, sirali siniflandirma yaklasiminin geleneksel (itibari) cozumlere nispeten ortalamada daha iyi bir siniflandirma dogruluguna ulastigini gostermektedir. |
