《表3 Boruta-SVM软件缺陷预测结果》
先对5个数据PC1,PC3,PC4,CM1和MW1经过数据的清洗后,数据按照7:3随机分成训练集和测试机。分别用于模型的构建和测试。采用Boruta算法对5个数据分别进行特征选择,维度下降到27,32,16,17和34。对于SVM模型,高斯核函数的参数C,γ参数分布设置为区间[1,100],[0.01,4];运用10折交叉验证实验法确定构造硬度变化曲线选择最优C=4,γ=0.01,建立最终的Boruta-SVM模型。为了验证本文提出的算法是否能够获得较好的特征选择结果,利用Boruta算法对NASA MDP数据子集进行降维,将Boruta-SVM软件缺陷预测模型与SVM模型进行对比,对比结果如表3所示。
图表编号 | XD0080160100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.18 |
作者 | 金秀玲、柯荣泰 |
绘制单位 | 闽江学院数学与数据科学学院、闽江学院数学与数据科学学院 |
更多格式 | 高清、无水印(增值服务) |