YAZILIM HATA SINIFLANDIRMASINDA FARKLI NAİVE BAYES TEKNİKLERİN KIYASLANMASI

   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.