ソフトウェアバグ予測における auto-sklearn の有効性評価
2019 年 36 巻 4 号 p. 4_46-4_52
詳細
2019 年 36 巻 4 号 p. 4_46-4_52
auto-sklearnは，機械学習の自動化ライブラリであり，入力データに適した予測モデルやハイパーパラメータの選択を自動化できるため，近年注目されている．本論文では，ソフトウェアバグ予測を対象としてauto-sklearnの効果を実験的に評価する．実験では，20件のOSSプロジェクトを対象とし，比較手法としてランダムフォレスト，決定木，線形判別分析を用いてバージョン間バグ予測を行い，評価尺度としてAUC of ROC curveを算出し，比較する．実験の結果，auto-sklearnの予測性能はバグ予測において従来優れているとされているランダムフォレストと同等であり，バグ予測においてauto-sklearnを採用してもよいが，必ずしも従来法を上回るとは限らないことが分かった．
