YAZILIM HATA SINIFLANDIRMASINDA FARKLI NAİVE BAYES TEKNİKLERİN KIYASLANMASI

Authors : Saadet Aytaç ARPACI, Oya KALIPSIZ

Pages : 1-13

Doi:10.28948/ngumuh.383709

View : 21 | Download : 11

Publication Date : 2018-01-31

Article Type : Research Paper

Abstract :   Bu çalışmada, Mutlak Bağlantılı Ağırlıklandırılmış Naive Bayes metodu, Naive Bayes metodu ve Naive Bayes sınıflandırma metodu üzerine uygulanan çeşitli yumuşatma teknikleri insert ignore into journalissuearticles values( Jelinek-Mercer, Dirichlet, Two-Stage ); ile yazılım ölçütlerine dayalı hata sınıflandırmasının karşılaştırmalı analizi araştırılmıştır. Yapılan çalışmada Chidamber & Kemerer ve LOC metrik kümesine sahip 3 veri seti üzerinde modellerin başarımı incelenmiştir. Bu çalışma, kullanılan veri setleri/ölçüt gruplarına göre araştırılan metotlardan Naive Bayes metodu üzerine uygulanan bazı tekniklerin insert ignore into journalissuearticles values( Dirichlet, Two-Stage ); sınıflandırma performansını diğer sınıflandırma metotlarına kıyasla daha da iyileştirdiği sonucunu gösterdi. Bu çalışmanın sonuçlarına göre, %90 üzerinde sınıflandırma doğrulukları DIT-NOC-CBO, DIT-NOC-LCOM, DIT-CBO-LCOM, NOC-CBO-LCOM ölçüt grupları için Dirichlet ve Two-Stage teknikleriyle elde edildi.
Keywords : Yazılım hata sınıflandırma, naive bayes, sınıflandırma