La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

A Novel Approach to Address External Validity Issues in Fault Prediction Using Bandit Algorithms Une nouvelle approche pour résoudre les problèmes de validité externe dans la prévision des pannes à l'aide d'algorithmes Bandit

Teruki HAYAKAWA, Masateru TSUNODA, Koji TODA, Keitaro NAKASAI, Amjed TAHIR, Kwabena Ebo BENNIN, Akito MONDEN, Kenichi MATSUMOTO

  • Vues en texte intégral

    0

  • Citer

Résumé:

Différents modèles de prédiction de pannes logicielles ont été proposés au cours des vingt dernières années. De nombreuses études ont comparé et évalué les approches de prédiction existantes afin d’identifier les plus efficaces. Cependant, dans la plupart des cas, ces modèles et techniques fournissent des résultats variables, et leurs résultats ne conduisent pas à la meilleure performance possible sur différents ensembles de données. Cela est principalement dû à la nature diversifiée des projets de développement de logiciels et il existe donc un risque que les modèles sélectionnés conduisent à des résultats incohérents sur plusieurs ensembles de données. Dans ce travail, nous proposons l'utilisation d'algorithmes de bandit dans les cas où la précision des modèles est incohérente sur plusieurs ensembles de données. Dans l'expérience discutée dans ce travail, nous avons utilisé quatre modèles de prédiction conventionnels, testés sur trois ensembles de données différents, puis avons sélectionné dynamiquement le meilleur modèle possible en appliquant des algorithmes de bandit. Nous avons ensuite comparé nos résultats avec ceux obtenus par vote majoritaire. En conséquence, Epsilon-greedy avec ϵ = 0.3 a montré la meilleure ou la deuxième meilleure performance de prédiction par rapport à l'utilisation d'un seul modèle de prédiction et du vote majoritaire. Nos résultats ont montré que les algorithmes de bandit peuvent fournir des résultats prometteurs lorsqu’ils sont utilisés dans la prédiction des pannes.

Publication
IEICE TRANSACTIONS on Information Vol.E104-D No.2 pp.327-331
Date de publication
2021/02/01
Publicisé
2020/10/30
ISSN en ligne
1745-1361
DOI
10.1587/transinf.2020EDL8098
Type de manuscrit
LETTER
Catégories
Génie logiciel

Auteurs

Teruki HAYAKAWA
  Kindai University
Masateru TSUNODA
  Kindai University
Koji TODA
  Fukuoka Institute of Technology
Keitaro NAKASAI
  Nara Institute of Science and Technology
Amjed TAHIR
  Massey University
Kwabena Ebo BENNIN
  Wageningen University & Research
Akito MONDEN
  Okayama University
Kenichi MATSUMOTO
  Nara Institute of Science and Technology

Mots-clés

Table des matières