论文《HYDRA:Massively Compositional Model for Cross-Project Defect Prediction》(以下简称论文),发表于2016的TSE。其模型算法主要分为两个阶段(GA phase & EL phase),本篇主要讲GA phase的复现。
- GA phase:对源数据集 S=[S1,S2,...,SN] S = [ S 1 , S 2 , . . . , S N ] 以及目标数据集T,训练 N N 个底层分类器(底层分类器均使用Logic Regression)。第 个底层分类器使用的训练集为 Si∪T^ S i ∪ T ^ ,其中 T^ T ^ 是从 T T 中抽取的部分(10%)带有标签的样本,剩余的90%作为测试集。对于 中90%的样本,同时作为第 N+1 N + 1 个底层分类器的训练集与测试集,训练得到第 N+1 N + 1 个底层分类器。此时共计得到 N+1 N + 1 个底层分类器,记为 clf_list=[clf1