| Tweet | |
| 畑, 水野, 菊野, "負例を用いない機械学習によるfault-proneモジュール検出," ソフトウェアエンジニアリングシンポジウム2009 (SES2009), pp. 133-138, 2009年9月. | |
| ID | 580 |
| 分類 | 国内会議(査読付) |
| タグ | application detection examples fault-prone learning machine module negative without モジュール 例 学習 検出 機械 |
| 表題 (title) |
負例を用いない機械学習によるfault-proneモジュール検出 |
| 表題 (英文) |
Application of Machine Learning Without Negative Examples to Fault-Prone Module Detection |
| 著者名 (author) |
畑 秀明,水野 修,菊野 亨 |
| 英文著者名 (author) |
Hideaki Hata,Osamu Mizuno,Tohru Kikuno |
| 編者名 (editor) |
|
| 編者名 (英文) |
|
| キー (key) |
Hideaki Hata,Osamu Mizuno,Tohru Kikuno |
| 書籍・会議録表題 (booktitle) |
ソフトウェアエンジニアリングシンポジウム2009 (SES2009) |
| 書籍・会議録表題(英文) |
Software Engineering Symposium 2009 |
| 巻数 (volume) |
|
| 号数 (number) |
|
| ページ範囲 (pages) |
133-138 |
| 組織名 (organization) |
|
| 出版元 (publisher) |
|
| 出版元 (英文) |
|
| 出版社住所 (address) |
|
| 刊行月 (month) |
9 |
| 出版年 (year) |
2009 |
| 採択率 (acceptance) |
|
| URL |
|
| 付加情報 (note) |
東京 |
| 注釈 (annote) |
|
| 内容梗概 (abstract) |
機械学習によるクラス分類において,クラス分類器の構築にはどのクラスに属するかラベル付けさ れたトレーニングデータが必要である.2 値クラス分類においては,正例と負例が必要となる.ソフ トウェアモジュールを fault-prone か否かに分類する場合,正例として不具合有りモジュール,負例 として不具合無しモジュールを用意する必要がある.長期間に渡って,不具合が発見されなかったモ ジュールは不具合無しとして学習させてもよいことは知られている.しかし,そのようなモジュール も実際には不具合を含むかもしれない.また時間経過により不具合無しとラベル付けする場合,十 分な時間が経過したモジュールを用意することが困難なことも考えられる.一般的には,確実な不具 合無しモジュールを用意することは非常に難しい.このような負例が無い問題に取り組む,positive unlabeled learning というアプローチが提案されている.このアプローチは,正例と unlabeled な データ(いずれのクラスに属するか不明な例)をトレーニングデータとして与え,unlabeled なデー タをクラス分類する.オープンソースプロジェクトに対して適用実験を行い,その有効性を確認した.
|
| 論文電子ファイル | 利用できません． |
| BiBTeXエントリ |
@inproceedings{id580,
title = {負例を用いない機械学習によるfault-proneモジュール検出},
author = {畑 秀明 and 水野 修 and 菊野 亨},
booktitle = {ソフトウェアエンジニアリングシンポジウム2009 (SES2009)},
pages = {133-138},
month = {9},
year = {2009},
note = {東京},
}
|