Analyzing and improving information gain of metrics used in software defect prediction in decision trees

McCabe and Halstead method-level metrics are among the well-known and widely used quantitative software metrics are used to measure software quality in a concrete way. Software defect prediction can guess which or which of the sub-modules in the software to be developed may be more prone to defect. Thus, loss of labor and time can be avoided. The datasets which are used for software defect prediction, usually have an unbalanced class distribution, since the number of records with defective class can be fewer than the number of records with not defective class and this situation adversely affect the results of the machine learning methods. Information gain is employed in decision trees and decision tree based rule classifier and attribute selection methods. In this study, software metrics that provide important information for software defect prediction have been investigated and CM1, JM1, KC1 and PC1 datasets of NASA's PROMISE software repository have been balanced with the synthetic data over-sampling Smote algorithm and improved in terms of information gain. As a result, the software defect prediction datasets with higher classification success performance and the software metrics with increased information gain ratio are obtained in the decision trees.

Yazýlým hata tahmininde kullanýlan metriklerin karar aðaçlarýndaki bilgi kazançlarýnýn incelenmesi ve iyileþtirilmesi

Yazýlým kalitesinin somut bir þekilde ölçülebilmesi için kullanýlan sayýsal yazýlým metrikleri içinde bilinen ve yaygýn þekilde kullanýlanlar arasýnda McCabe ve Halstead yöntem-seviye metrikleri bulunmaktadýr. Yazýlým hata tahmini, geliþtirilecek olan yazýlýmda bulunan alt modüllerin hangisi veya hangilerinin daha çok hataya meyilli olabileceðini konusunda öngörüde bulunabilmektedir. Böylece iþgücü ve zaman konusundaki kayýplarýn önüne geçilebilmektedir. Yazýlým hata tahmini için kullanýlan veri kümelerinde, hata var sýnýflý kayýt sayýsý, hata yok sýnýflý kayýt sayýsýna göre daha az sayýda olabildiðinden bu veri kümeleri genellikle dengeli olmayan bir sýnýf daðýlýmýna sahip olmakta ve makine öðrenme yöntemlerinin sonuçlarýný olumsuz etkilemektedir. Bilgi kazancý, karar aðaçlarý ve karar aðacý temeline dayanan kural sýnýflayýcý, nitelik seçimi gibi algoritma ve yöntemlerde kullanýlmaktadýr. Bu çalýþmada, yazýlým hata tahmini için önemli bilgiler sunan yazýlým metrikleri incelenmiþ, NASA’nýn PROMISE yazýlým veri deposundan CM1, JM1, KC1 ve PC1 veri kümeleri sentetik veri artýrým Smote algoritmasý ile daha dengeli hale getirilerek bilgi kazancý yönünden iyileþtirilmiþtir. Sonuçta karar aðaçlarýnda sýnýflama baþarý performansý daha yüksek yazýlým hata tahmini veri kümeleri ve bilgi kazanç oraný yükseltilmiþ yazýlým metrik deðerleri elde edilmiþtir.