Current Result Document :
| 한글제목(Korean Title) |
AutoML을 적용한 소프트웨어 결함 예측 |
| 영문제목(English Title) |
Software Defect Prediction with AutoML |
| 저자(Author) |
최지원
이재욱
류덕산
김순태
Jiwon Choi
Jaewook Lee
Duksan Ryu
Suntae Kim
|
| 원문수록처(Citation) |
VOL 48 NO. 02 PP. 0218 ~ 0220 (2021. 12) |
한글내용
(Korean Abstract) |
소프트웨어 결함 예측(SDP)은 결함도가 높은 모듈을 식별해 한정된 품질 보증 자원을 효과적으로 배분하는데 도움을 준다. SDP를 위해 일반적으로 과거 결함 데이터의 패턴을 분석하는 머신러닝 기법이 활용된다. 머신러닝 기법에는 많은 매개변수가 포함 되어있고, 프로젝트 데이터별로 예측 성능을 최적화하기 위해서는 매번 매개변수를 조정하는 작업이 필요하다. 최근, 머신러닝 수행 과정에서 반복적인 작업을 줄여주는 자동화된 머신러닝 기법(Automated Machine Learning, AutoML)이 제안되었다. 본 연구에서는 AutoML이 소프트웨어 결함 예측 연구에 적합한지 확인하는 것을 목표로 한다. 이를 위해, 결함 데이터에 대해 세가지 AutoML 도구들(Auto-sklearn,TPOT,H20)의 성능과 학습 시간을 비교한다. 실험 결과, H20 도구가 가장 우수한 성능을 보였으며, 학습 시간도 가장 짧았다. 반복적인 작업을 AutoML 도구를 통해 줄여서 현업에서 SDP의 적용이 촉진될 것으로 기대한다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
