Verbesserung der Zuverlässigkeit von Defektvorhersagemodellen

Die Entwicklung fehlerfreier Software ist ein Hauptziel von Softwareentwicklern. Das Erreichen dieses Ziels ist jedoch keine triviale Aufgabe. Noch schwieriger wird dies für Entwicklungsorganisationen mit minimalen Ressourcen. Die Entwickler verwenden häufig automatische Fehlerprognosemodelle, die meist mit Hilfe von Algorithmen des maschinellen Lernens entwickelt werden, um Fehler in der Software zu finden. Die Vorhersagequalität solcher Modelle ist wichtig, da sich falsche Vorhersagen sowohl auf die Entwicklungsorganisationen als auch auf die Endbenutzer negativ auswirken können. Dieses Buch untersucht die möglichen Probleme in den bestehenden Vorhersagemodellen und schlägt Methoden zur weiteren Verbesserung der Vorhersagequalität solcher Modelle vor.

Autorentext
Jayalath Ekanayake arbeitet derzeit als Dozent für Informatik an der Uva Wellassa University, Sri Lanka. Sein Hauptforschungsinteresse gilt dem Mining von Software-Repositories.