[发明专利]一种基于代价敏感与随机森林的软件缺陷预测方法

权利要求书

1.一种基于代价敏感与随机森林的软件缺陷预测方法，其特征在于，在构建决策树的分类阶段以及形成的随机森林模型的投票分类阶段，分别引入根据不同对象定义的代价敏感因子，训练出基于代价敏感的改进随机森林模型cost-RF，然后利用该模型对软件缺陷进行预测。

2.根据权利要求1所述的一种基于代价敏感与随机森林的软件缺陷预测方法，其特征在于，训练cost-RF模型并进行软件缺陷预测的具体步骤如下：

S1.从NASA MDP获取公开的软件缺陷预测真实数据集Data进行数据预处理，产生预处理后的数据集Data′；

S2.根据Data′的大小，将其按照自定义比例随机划分为训练数据集TrainD和测试数据集TestD；

S3.利用Bagging技术，对训练数据集TrainD进行数据扰动，有放回的随机抽取训练数据集TrainD中的样本，将抽取的样本作为训练ID3决策树的训练集TrainD_train，剩下的样本则作为训练集中的测试集TrainD_test；

S4.引入属性扰动，在TrainD_train上进行属性扰动，生成属性扰动后的TrainD_trainM；

S5.使用TrainD_trainM，采用二元切分法，构建ID3决策树；

S6.在ID3决策树中，引入与Data′中不同类别数量相关的代价敏感因子Acost，判断每个样本是否是缺陷模块；

S7.设置最佳模型判别标值，利用TrainD_test筛选整体性能较优的ID3决策树；

S8.引入二次筛选ID3决策树的条件和森林中对ID3决策树的数量限制，构建随机森林；

S9.引入受限于随机森林中对样本预测结果不同的决策树数量和Data′中不同类别的样本数量的代价敏感因子Bcost，判断每个样本是否是缺陷模块；

S10.使用随机森林对TestD中的样本进行预测，判断每个样本是否是缺陷模块。

3.根据权利要求2所述的一种基于代价敏感与随机森林的软件缺陷预测方法，其特征在于，所述步骤S1中，数据预处理包括：删除重复和矛盾数据，采用缺失值所在列的中位数赋值处理某条合理数据的缺失值，赋值处理的具体公式为：

其中，n为数据集Data中的样本总数，dp_ij为第i个样本的第j个属性。

4.根据权利要求2所述的一种基于代价敏感与随机森林的软件缺陷预测方法，其特征在于，所述步骤S6中，代价敏感因子Acost的公式为：

Acost＝(num_x+1)/(num_y+1)×η±λ (2)

其中，num_y是Data′中真实缺陷样本的数量，num_x是Data′中真实非缺陷样本的数量，η、λ是辅助参数。

5.根据权利要求2所述的一种基于代价敏感与随机森林的软件缺陷预测方法，其特征在于，所述步骤S7中，最佳模型判别标值根据错误率、召回率、精准率指标的自定义取值设置。

6.根据权利要求2所述的一种基于代价敏感与随机森林的软件缺陷预测方法，其特征在于，所述步骤S8中，二次筛选ID3决策树的条件为：错误率召回率和精准率其中，numTrees为构建的ID3决策树数量；森林中对ID3决策树的数量numF限制条件为：numTrees为用户指定构建的决策树数量。

7.根据权利要求2所述的一种基于代价敏感与随机森林的软件缺陷预测方法，其特征在于，所述步骤S9中，代价敏感因子Bcost的公式为：

其中，trees_x是将样本预测为非缺陷类别的ID3决策树的数量，trees_y是将样本预测为缺陷类别的ID3决策树的数量，t_x为Data′中真实非缺陷样本的数量，t_y为Data′中真实缺陷样本的数量，η、λ、γ为辅助参数。