YAZILIM HATA SINIFLANDIRMASINDA FARKLI NAİVE BAYES TEKNİKLERİN KIYASLANMASI

Saadet Aytaç ARPACI; Oya KALIPSIZ

Makale detayları

YAZILIM HATA SINIFLANDIRMASINDA FARKLI NAİVE BAYES TEKNİKLERİN KIYASLANMASI

Yazarlar:

Saadet Aytaç ARPACI | Oya KALIPSIZ

Yayıncı:

Nigde Omer Halisdemir University

Ana Başlıklar:

Veri işleme & bilgisayar bilimi

Dergi:

Nigde Omer Halisdemir University Journal of Engineering Sciences 2018 Vol.7 Issue 1, pp.1-13

Belge Tipi:

Makale

Yayın Tarihi:

1/2018

Belge Dili:

Türkçe

Document ID (Org No.):

2000763956

Sıklık:

Üç Aylık

eISSN:

2564-6605

Anahtar kelimeler:

Özet:

 


   In this study
was investigated that the comparative analysis of software defect
classification with using Absolute Correlation Weighted Naive Bayes method, Naive
Bayes method and various smoothing
techniques (Jelinek-Mercer, Dirichlet, Two-Stage) on
Naive Bayes classification technique.
In this study, the performance of the models were examined on 3 data sets with
a set of metrics Chidamber & Kemerer
and LOC. The study results showed that according to used data sets/metric
groups and methods the performance of some smoothing techniques (Dirichlet, Two-Stage) performs better than other classification methods. As the
results of this study, over 90% classification accuracies were obtained with Dirichlet and Two-Stage smoothing techniques on DIT-NOC-CBO, DIT-NOC-LCOM,
DIT-CBO-LCOM, NOC-CBO-LCOM metric groups.


.

 


   Bu çalışmada, Mutlak Bağlantılı
Ağırlıklandırılmış Naive Bayes
metodu, Naive Bayes metodu ve Naive Bayes sınıflandırma metodu üzerine
uygulanan çeşitli yumuşatma teknikleri (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 (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.


.

Makale detayları

YAZILIM HATA SINIFLANDIRMASINDA FARKLI NAİVE BAYES TEKNİKLERİN KIYASLANMASI

Yazarlar:

Saadet Aytaç ARPACI | Oya KALIPSIZ

Yayıncı:

Nigde Omer Halisdemir University

Ana Başlıklar:

Veri işleme & bilgisayar bilimi

Dergi:

Nigde Omer Halisdemir University Journal of Engineering Sciences 2018 Vol.7 Issue 1, pp.1-13

Belge Tipi:

Makale

Yayın Tarihi:

1/2018

Belge Dili:

Türkçe

Document ID (Org No.):

2000763956

Sıklık:

Üç Aylık

eISSN:

2564-6605

Yazılım hata sınıflandırma

naive bayes

sınıflandırma

Sayı

Makale detayları

YAZILIM HATA SINIFLANDIRMASINDA FARKLI NAİVE BAYES TEKNİKLERİN KIYASLANMASI

Yazarlar: Saadet Aytaç ARPACI | Oya KALIPSIZ

Yayıncı: Nigde Omer Halisdemir University

Ana Başlıklar: Veri işleme & bilgisayar bilimi

Dergi: Nigde Omer Halisdemir University Journal of Engineering Sciences 2018 Vol.7 Issue 1, pp.1-13

Belge Tipi: Makale

Yayın Tarihi: 1/2018

Belge Dili: Türkçe

Document ID (Org No.): 2000763956

Sıklık: Üç Aylık

eISSN: 2564-6605

Yazılım hata sınıflandırma

naive bayes

sınıflandırma

Sayı

Yazarlar:

Saadet Aytaç ARPACI | Oya KALIPSIZ

Yayıncı:

Nigde Omer Halisdemir University

Ana Başlıklar:

Veri işleme & bilgisayar bilimi

Dergi:

Nigde Omer Halisdemir University Journal of Engineering Sciences 2018 Vol.7 Issue 1, pp.1-13

Belge Tipi:

Makale

Yayın Tarihi:

1/2018

Belge Dili:

Türkçe

Document ID (Org No.):

2000763956

Sıklık:

Üç Aylık

eISSN:

2564-6605