
149
ツールの構築
C
です。[
Weyuker et al. 2009
]から引用した図
9-4
は、各予測モデルが特定した上位
20%
のファイ
ルで実際に見つかった欠陥の割合を示しています。各システムについての棒グラフは、私たちが予測を
行った全リリースに対する平均を示しています。図によれば、
NBR
とランダムフォレスト法が、
3
つ
のどのシステムについても
BART
と再帰的分割よりはっきりと良い性能であることを示しています。
ただし、
NBR
とランダムフォレストの予測結果には統計的有意差はなく、
NBR
の計算時間はランダム
フォレスト法よりもかなり少なかったので、私たちは少なくともこれらのシステムに対しては、
NBR
を使うのが最良の選択肢であると結論しました。■
ツールの構築
私たちの標準の
NBR
モデルの予測能力が上出来だったことと、実務家の中に私たちの技術に関心を
持った人がいたことから私たちは、リリースがシステムテスト段階に入
ろうとする際にファイルに対す
る欠陥予測を生成する機能を提供するプログラミング環境向け自動化ツールを構築しました。
このツールは現在、プロトタイプが稼働中ですが、入力は最小限で済むようになっており、またユー
ザが専門家である必要もありません。ユーザは、現在開発中のシステムにおける予測対象としたい特定
のリリースと、予測に含めたいファイル種別とを、指定します。加えてユーザは、欠陥修正を表す
MR
データベースの項目をどのようにして特定するかを、ツールに教える必要があります。典型的には欠陥
であることは、 ...