I. INTRODUCTIONAccording to the Res

I. INTRODUCTION
According to the Research Triangle Institute (RTI), software defects cost the U.S. economy billions of U.S. dollars annually, and more than a third of the costs associated with software defects could be avoided by improving software testing [1]. Software defect prediction can be modeled as a data mining problem by categorizing software unites as either fault prone (fp) or non-fault-prone (nfp) using historical data. Applying data mining and knowledge discovery (DMKD) in software reliability management has made remarkable progress [2]utilizing methods, algorithms, and techniques from many disciplines, including statistics, databases, machine learning, pattern recognition, artificial intelligence, data visualization, and optimization [3].

ผลลัพธ์ (ไทย) 1:

I. แนะนำ
ตามวิจัยสามเหลี่ยมสถาบัน (RTI), ซอฟต์แวร์บกพร่องต้นทุนเศรษฐกิจสหรัฐฯ พันล้านดอลลาร์สหรัฐปี และมากกว่าหนึ่งในสามของต้นทุนที่เกี่ยวข้องกับข้อบกพร่องของซอฟต์แวร์สามารถหลีกเลี่ยง โดยการปรับปรุงซอฟต์แวร์ทดสอบ [1] สามารถจำลองทำนายข้อบกพร่องของซอฟต์แวร์เป็นปัญหาการทำเหมืองข้อมูล โดยประเภทซอฟต์แวร์ unites มักบกพร่อง (fp) หรือไม่ข้อบกพร่องง่าย (nfp) โดยใช้ข้อมูลย้อนหลังได้ ใช้การทำเหมืองข้อมูลและการค้นพบความรู้ (DMKD) ในการบริหารความน่าเชื่อถือของซอฟต์แวร์ได้น่าจับตาความคืบหน้า [2] ใช้วิธี อัลกอริทึม และเทคนิคจากหลายสาขา สถิติ ฐานข้อมูล รวมถึง เรียนรู้ของเครื่อง การรู้จำรูปแบบ ปัญญาประดิษฐ์ ข้อมูลแสดงภาพประกอบเพลง กปรับ [3]

ผลลัพธ์ (ไทย) 2:

I. บทนำ
ตามที่ Research Triangle สถาบัน (RTI) ข้อบกพร่องซอฟต์แวร์ค่าใช้จ่ายพันล้านสหรัฐอเมริกาเศรษฐกิจดอลลาร์สหรัฐต่อปีและมากกว่าหนึ่งในสามของค่าใช้จ่ายที่เกี่ยวข้องกับข้อบกพร่องซอฟต์แวร์อาจจะหลีกเลี่ยงโดยการปรับปรุงการทดสอบซอฟต์แวร์ [1] ซอฟแวร์การทำนายข้อบกพร่องสามารถจำลองเป็นปัญหาการทำเหมืองข้อมูลโดยการจัดหมวดหมู่ซอฟต์แวร์ร่วมกันเป็นทั้งความผิดพลาดได้ง่าย (FP) หรือความผิดที่ไม่ได้ง่าย (NFP) โดยใช้ข้อมูลทางประวัติศาสตร์ การประยุกต์ใช้การทำเหมืองข้อมูลและการค้นพบความรู้ (DMKD) ในการบริหารจัดการความน่าเชื่อถือของซอฟต์แวร์ได้ทำให้ความคืบหน้าโดดเด่น [2] ใช้วิธีการขั้นตอนวิธีการและเทคนิคจากหลายสาขาวิชารวมทั้งสถิติฐานข้อมูลการเรียนรู้เครื่อง, การจดจำรูปแบบปัญญาประดิษฐ์การแสดงข้อมูลและการเพิ่มประสิทธิภาพ [3]

ผลลัพธ์ (ไทย) 3:

ผมแนะนำ
ตามสามเหลี่ยมวิจัยสถาบัน ( RTI ) ข้อบกพร่องซอฟต์แวร์ต้นทุนเศรษฐกิจสหรัฐพันล้านดอลลาร์สหรัฐต่อปี และมากกว่า 1 ใน 3 ของค่าใช้จ่ายที่เกี่ยวข้องกับข้อบกพร่องซอฟต์แวร์สามารถหลีกเลี่ยงได้โดยการปรับปรุงการทดสอบซอฟต์แวร์ [ 1 ]การคาดคะเนข้อบกพร่องซอฟต์แวร์ที่สามารถจำลองเป็นเหมืองข้อมูลปัญหาโดยจัดหมวดหมู่ซอฟต์แวร์ร่วมกันเป็นผิดได้ง่าย ( FP ) หรือไม่ผิดได้ง่าย ( NFP ) โดยใช้ข้อมูลทางประวัติศาสตร์ การทำเหมืองและการค้นพบความรู้ ( dmkd ) ในการจัดการความน่าเชื่อถือซอฟต์แวร์ได้ทำให้ความคืบหน้ามาก [ 2 ] โดยใช้วิธีอัลกอริทึมและเทคนิคจากสาขาวิชาต่างๆ มากมาย รวมถึงสถิติ ฐานข้อมูลการเรียนรู้เครื่อง , การจดจำรูปแบบของปัญญาประดิษฐ์ , การแสดงข้อมูลและการเพิ่มประสิทธิภาพ [ 3 ]