In this paper, we introduce an appr

In this paper, we introduce an approach to predict bad­ smells from software design model using machine learning techniques. We use number of bad-smells and software design model metrics as data sets. The data sets are used as a learning set and testing set to predict bad-smells with 7 machine learning algorithms. We compare the performance of each machine learning algorithm by using several statistical significance tests such as prediction accuracy, hypothesis test, sensitivity and specificity, and predictive value of tests.

ผลลัพธ์ (ไทย) 1:

ในเอกสารนี้ เราแนะนำวิธีการทำนายว่า กลิ่นไม่ดีจากแบบจำลองการออกแบบซอฟต์แวร์โดยใช้เทคนิคการเรียนรู้ของเครื่อง เราใช้กลิ่นไม่ดีและซอฟต์แวร์ออกแบบโมเดลการวัดเป็นค่า ใช้ชุดข้อมูลเป็นการเรียนรู้การตั้งค่า และการทดสอบชุดเพื่อทำนายกลิ่นไม่ดี ด้วยกระบวนการเรียนรู้เครื่อง 7 เราเปรียบเทียบประสิทธิภาพของแต่ละเครื่องจักรเรียนรู้อัลกอริทึม โดยใช้หลายการทดสอบนัยสำคัญทางสถิติเช่นความถูกต้องของการคาดเดา ทดสอบสมมติฐาน ไว และ specificity และค่าคาดการณ์ของการทดสอบ

ผลลัพธ์ (ไทย) 2:

ในบทความนี้เราจะแนะนำวิธีการที่จะคาดการณ์กลิ่นที่ไม่ดีจากรูปแบบการออกแบบซอฟแวร์โดยใช้เทคนิคการเรียนรู้เครื่อง เราใช้จำนวนกลิ่นไม่ดีและตัวชี้วัดรูปแบบการออกแบบซอฟต์แวร์เป็นชุดข้อมูล ชุดข้อมูลจะถูกใช้เป็นชุดการเรียนรู้และการทดสอบการตั้งค่าที่จะคาดการณ์ไม่ดีกลิ่นมี 7 ขั้นตอนวิธีการเรียนรู้ของเครื่อง เราเปรียบเทียบผลการดำเนินงานของแต่ละขั้นตอนวิธีการเรียนรู้เครื่องโดยใช้การทดสอบนัยสำคัญทางสถิติหลายอย่างเช่นความถูกต้องทำนายทดสอบสมมติฐานความไวและความจำเพาะและความคุ้มค่าของการทดสอบการทำนาย

ผลลัพธ์ (ไทย) 3:

ในกระดาษนี้เราแนะนำวิธีการทำนายไม่ดีองกลิ่นจากแบบจำลองการออกแบบซอฟต์แวร์โดยใช้เทคนิคการเรียนรู้ของเครื่อง . เราใช้เบอร์ของกลิ่นและซอฟต์แวร์ออกแบบรูปแบบเมทริกซ์เป็นชุดข้อมูล ข้อมูลชุดใช้เป็นชุดการเรียนรู้และทดสอบชุดทำนายมีกลิ่นไม่ดีด้วย 7 อัลกอริทึมการเรียนรู้ของเครื่องจักร .เราเปรียบเทียบผลการดำเนินงานของแต่ละอัลกอริทึมโดยใช้การทดสอบค่าสถิติต่าง ๆ เช่น ความถูกต้องของการทำนายการทดสอบสมมติฐานความไวและความจำเพาะ และค่าพยากรณ์ของแบบทดสอบ