本文复现了Watanabe等人2008年的论文《Adapting a fault prediction model to allow inter language reuse》中的CPDP方法。尽管已有多年，该方法在处理源数据与目标数据分布差异时仍有效。通过将目标数据度量值乘以源与目标数据平均值的比例，调整数据分布，改善预测效果。在NASA数据集上的实验显示，虽然面临类不平衡问题，但经过处理后，预测能力得到提升。后续研究在TSE期刊上提出了对此方法的改进。
论文《Adapting a fault prediction model to allow inter language reuse》由Shinya Watanabe等人于2008年发表，距今已有10个年头。按理说，时隔这么多年的期刊，其中的技术想必已经跟不上时代的步伐。但是，这篇论文中的CPDP方法，仍然能在CPDP预测中发挥不错的作用。
我们知道在CPDP（Cross-project defect prediction）中，因为源数据与目标数据虽然有着相同的度量（metric），但是由于数据分布的不同，会导致在预测过程中效果不理想。因此Watanabe 等人提出了一种应对上述问题的方法。
在原文第四章INTER PROJECT BUG PREDICTION中，提到了一种解决方案：
MTij=MTij∗Mean(MTj)M
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
