3 Performance Evaluation MetricsAcc

3 Performance Evaluation Metrics
According to the experimental studies, a majority of software modules do not
cause faults in software systems, and faulty modules are up to 20% of all the
modules. If we divide modules into two different types, faulty and non-faulty, the
majority of modules will belong to the non-faulty class and the rest will be
members of the faulty class. Therefore, datasets used in software fault prediction
studies are imbalanced. Accuracy parameter cannot be used for the performance
evaluation of imbalanced datasets. For example, a trivial algorithm, which marks
every module as non-faulty, can have 90% accuracy if the percentage of faulty
modules is 10%. Therefore, researchers use different metrics for the validation of
software fault prediction models. In this section, the metrics identified during our
literature review will be briefly outlined.

ผลลัพธ์ (ไทย) 1:

การวัดประเมินประสิทธิภาพ 3ตามการศึกษาทดลอง ส่วนใหญ่ของซอฟต์แวร์โมดูลที่ไม่สาเหตุทเกี่ดในระบบซอฟต์แวร์ และโมดูผิดมีถึง 20% ของทั้งหมดโม ถ้าเราแบ่งโมดูลทั้งสองชนิดแตกต่างกัน ความผิดพลาด และไม่ผิด พลาด การส่วนใหญ่โมจะเป็นชั้นไม่ผิดพลาด และจะสมาชิกระดับความผิดพลาด ดังนั้น ชุดข้อมูลที่ใช้ในการคาดเดาข้อบกพร่องของซอฟต์แวร์การศึกษาได้รับ ไม่สามารถใช้พารามิเตอร์ความแม่นยำสำหรับประสิทธิภาพการทำงานการประเมินผลของชุดข้อมูลที่รับ ตัวอย่างเช่น ในแง่อัลกอริทึม การทุกโมดูลเป็นไม่ผิดพลาด สามารถมีความแม่นยำ 90% ถ้าเปอร์เซ็นต์ของความผิดพลาดโมดูคือ 10% ดังนั้น การที่นักวิจัยใช้วัดแตกต่างกันสำหรับการตรวจสอบของซอฟต์แวร์รุ่นคาดเดาผิด ในส่วนนี้ การวัดที่ระบุในระหว่างเราการทบทวนวรรณกรรมจะได้ระบุไว้สั้น ๆ

ผลลัพธ์ (ไทย) 2:

3 ตัวชี้วัดการประเมินผลการปฏิบัติงาน
ตามที่ศึกษาทดลองส่วนใหญ่ของโมดูลซอฟต์แวร์ไม่
ก่อให้เกิดความผิดพลาดในระบบซอฟต์แวร์และโมดูลที่ผิดพลาดมีถึง 20% ของทุก
โมดูล ถ้าเราแบ่งโมดูลเป็นสองประเภทที่แตกต่างกันความผิดพลาดและไม่ผิด,
ส่วนใหญ่ของโมดูลจะอยู่ในระดับที่ไม่ผิดพลาดและส่วนที่เหลือจะเป็น
สมาชิกของระดับความผิดพลาด ดังนั้นชุดข้อมูลที่ใช้ในการทำนายความผิดของซอฟแวร์
การศึกษามีความไม่สมดุล พารามิเตอร์ความถูกต้องไม่สามารถนำมาใช้ในการดำเนินงาน
การประเมินผลของชุดข้อมูลที่ไม่สมดุล ยกตัวอย่างเช่นอัลกอริทึมเล็กน้อยซึ่งเป็นเครื่องหมาย
โมดูลไม่เป็นความผิดพลาดทุกครั้งจะมีความถูกต้อง 90% ถ้าเปอร์เซ็นต์ของการผิดพลาด
โมดูลเป็น 10% ดังนั้นนักวิจัยจึงใช้ตัวชี้วัดที่แตกต่างกันสำหรับการตรวจสอบของ
แบบจำลองการคาดคะเนความผิดของซอฟแวร์ ในส่วนนี้ตัวชี้วัดของเราระบุในระหว่างการ
ทบทวนวรรณกรรมที่จะได้รับการระบุไว้ในเวลาสั้น ๆ

ผลลัพธ์ (ไทย) 3:

ตัวชี้วัดการประเมินผลการปฏิบัติงานจากการศึกษาทดลอง ส่วนใหญ่ของโมดูลซอฟต์แวร์ไม่สาเหตุข้อบกพร่องในระบบซอฟต์แวร์และโมดูลผิดพลาดได้ถึง 20% ของทั้งหมดโมดูล ถ้าเราแบ่งออกเป็นสองประเภท โมดูลที่แตกต่างกันผิดพลาดและไม่เสีย ,โมดูลส่วนใหญ่จะเป็นของที่ไม่ผิดพลาด และส่วนที่เหลือจะเป็นคลาสสมาชิกของชั้นเรียนผิดพลาด ดังนั้น ข้อมูลที่ใช้ในการคำนวณของซอฟต์แวร์การศึกษาสมดุล . ความถูกต้องของค่าพารามิเตอร์ที่ไม่สามารถใช้สำหรับการแสดงการประเมินสมดุลชุดข้อมูล ตัวอย่างเช่นขั้นตอนวิธีเล็กน้อย ซึ่งเครื่องหมายทุกโมดูลที่ไม่ผิดพลาด มีความถูกต้องร้อยละ 90 ถ้าเปอร์เซ็นต์ของข้อผิดพลาดโมดูลเป็น 10% ดังนั้น นักวิจัยใช้ตัวชี้วัดที่แตกต่างกันสำหรับการตรวจสอบของแบบจำลองทำนายผิดซอฟต์แวร์ ในส่วนนี้ตัวชี้วัดที่ระบุในช่วงของเราการทบทวนวรรณกรรมจะสั้น ๆที่ระบุไว้ .