基于迁移学习的跨公司软件缺陷预测

为解决通常由公司内工程数据训练构建软件缺陷预测模型,而实际较缺乏本地缺陷数据的问题,借助迁移学习技术,提出使用不同公司工程数据构建缺陷预测模型的算法,实现跨公司软件缺陷预测。通过比较源工程训练数据和目标工程测试数据集的多种统计量,设置训练数据的权重,基于加权的训练数据构建加权迁移朴素贝叶斯分类器。实验结果表明,该方法有效提高了跨公司软件缺陷预测模型的性能,为项目管理者合理分配软件工程资源提供了依据。