ソフトウェア開発において，バグを含む可能性の高いモジュール(fault-proneモジュール)を高い精度で予測することができれば，テストやデバッグの効率化に繫がる．予測精度の向上を目的として，予測モデルの訓練データに含まれる，予測に悪影響を与えるような外れ値データの除去が取り組まれている．本稿では，バージョン間予測を対象とし，よりロバストな外れ値除去手法として，予測対象とは異なるプロジェクトから得られた第三者データセットを用いて，訓練データ中の外れ値を特定・除去する手法を提案する．評価実験の結果から，提案手法は大多数のプロジェクトで予測精度を向上でき，また代表的な既存の外れ値除去手法であるMOAやCC-MOAよりも高い効果を持つことが示された．