Abordagens de aprendizagem automática para a previsão de defeitos de software

No mundo atual orientado por dados a maioria das aplicações reais enfrenta o desafio do desequilíbrio de classes em que dados críticos são raros. Esse desequilíbrio afeta gravemente a precisão dos modelos de classificação especialmente em domínios sensíveis como diagnóstico médico finanças e previsão de defeitos de software. Em sistemas de software a previsão precoce de defeitos é essencial para reduzir custos e melhorar a confiabilidade. No entanto muitos modelos de aprendizado de máquina falham devido a conjuntos de dados distorcidos. Para resolver isso propomos três algoritmos inovadores: IDROS (sobreamostragem) IDRUS (subamostragem) e uma abordagem híbrida IDROSUS. O IDROS usa KNN em torno do centroide minoritário para gerar dados sintéticos enquanto o IDRUS remove amostras majoritárias menos relevantes com base na distância da média. O híbrido IDROSUS equilibra ambos os lados simultaneamente reduzindo o sobreajuste e o subajuste. Avaliámos estes métodos utilizando 40 conjuntos de dados do repositório PROMISE e testámo-los em oito classificadores. Métricas de desempenho como precisão recall exatidão e medida F mostraram que o IDROSUS superou as técnicas existentes.