Approcci di apprendimento automatico per la previsione dei difetti del software

Nel mondo odierno basato sui dati, la maggior parte delle applicazioni reali deve affrontare la sfida dello squilibrio delle classi, in cui i dati critici sono rari. Questo squilibrio influisce gravemente sull'accuratezza dei modelli di classificazione, specialmente in ambiti sensibili come la diagnosi medica, la finanza e la previsione dei difetti del software. Nei sistemi software, la previsione precoce dei difetti è essenziale per ridurre i costi e migliorare l'affidabilità. Tuttavia, molti modelli di apprendimento automatico falliscono a causa di set di dati distorti. Per affrontare questo problema, proponiamo tre nuovi algoritmi: IDROS (sovracampionamento), IDRUS (sottocampionamento) e un approccio ibrido IDROSUS. IDROS utilizza KNN attorno al centroide minoritario per generare dati sintetici, mentre IDRUS rimuove i campioni maggioritari meno rilevanti in base alla distanza dalla media. L'approccio ibrido IDROSUS bilancia contemporaneamente entrambi i lati, riducendo l'overfitting e l'underfitting. Abbiamo valutato questi metodi utilizzando 40 set di dati provenienti dal repository PROMISE e li abbiamo testati su otto classificatori. Metriche di prestazione come accuratezza, richiamo, precisione e misura F hanno dimostrato che IDROSUS ha superato le tecniche esistenti.