A Comparative Analysis of Filter-based Feature Selection Methods for Software Fault Prediction
Chuyên san Các công trình nghiên cứu, phát triển và ứng dụng Công nghệ Thông tin và Truyền thông: Tập 2021, Số 1 (Số đặc biệt- CITA 2021); từ trang 1-7.
Đã lưu trong:
| Những tác giả chính: | , , |
|---|---|
| Format: | Bài viết |
| Sprog: | English |
| Udgivet: |
Tạp chí Thông tin và Truyền thông
2021
|
| Fag: | |
| Online adgang: | http://elib.vku.udn.vn/handle/123456789/1550 |
| Tags: |
Tilføj Tag
Ingen Tags, Vær først til at tagge denne postø!
|
| Thư viện lưu trữ: | Trường Đại học Công nghệ Thông tin và Truyền thông Việt Hàn - Đại học Đà Nẵng |
|---|
| id |
oai:elib.vku.udn.vn:123456789-1550 |
|---|---|
| record_format |
dspace |
| spelling |
oai:elib.vku.udn.vn:123456789-15502021-07-24T07:26:37Z A Comparative Analysis of Filter-based Feature Selection Methods for Software Fault Prediction Phân tích so sánh các kỹ thuật lựa chọn đặc trưng dựa trên phương pháp lọc trong dự đoán lỗi phần mềm Ha, Thi Minh Phuong Le, Thi My Hanh Nguyen, Thanh Binh Feature selection filter wrapper hybrid embedded Chuyên san Các công trình nghiên cứu, phát triển và ứng dụng Công nghệ Thông tin và Truyền thông: Tập 2021, Số 1 (Số đặc biệt- CITA 2021); từ trang 1-7. The rapid growth of data has become a huge challenge for software systems. The quality of fault prediction model depends on the quality of software dataset. High-dimensional data is the major problem that affects the performance of the fault prediction models. In order to deal with dimensionality problem, feature selection is proposed by various researchers. Feature selection method provides an effective solution by eliminating irrelevant and redundant features, reducing computation time and improving the accuracy of the machine learning model. In this study, we focus on research and synthesis of the Filter-based feature selection with several search methods and algorithms. In addition, five filter-based feature selection methods are analyzed using five different classifiers over datasets obtained from National Aeronautics and Space Administration (NASA) repository. The experimental results show that Chi-Square and Information Gain methods had the best influence on the results of predictive models over other filter ranking methods. 2021-07-24T07:22:02Z 2021-07-24T07:22:02Z 2021-06-13 Article 1859-3526 http://elib.vku.udn.vn/handle/123456789/1550 en application/pdf Tạp chí Thông tin và Truyền thông |
| institution |
Trường Đại học Công nghệ Thông tin và Truyền thông Việt Hàn - Đại học Đà Nẵng |
| collection |
DSpace |
| language |
English |
| topic |
Feature selection filter wrapper hybrid embedded |
| spellingShingle |
Feature selection filter wrapper hybrid embedded Ha, Thi Minh Phuong Le, Thi My Hanh Nguyen, Thanh Binh A Comparative Analysis of Filter-based Feature Selection Methods for Software Fault Prediction |
| description |
Chuyên san Các công trình nghiên cứu, phát triển và ứng dụng Công nghệ Thông tin và Truyền thông: Tập 2021, Số 1 (Số đặc biệt- CITA 2021); từ trang 1-7. |
| format |
Article |
| author |
Ha, Thi Minh Phuong Le, Thi My Hanh Nguyen, Thanh Binh |
| author_facet |
Ha, Thi Minh Phuong Le, Thi My Hanh Nguyen, Thanh Binh |
| author_sort |
Ha, Thi Minh Phuong |
| title |
A Comparative Analysis of Filter-based Feature Selection Methods for Software Fault Prediction |
| title_short |
A Comparative Analysis of Filter-based Feature Selection Methods for Software Fault Prediction |
| title_full |
A Comparative Analysis of Filter-based Feature Selection Methods for Software Fault Prediction |
| title_fullStr |
A Comparative Analysis of Filter-based Feature Selection Methods for Software Fault Prediction |
| title_full_unstemmed |
A Comparative Analysis of Filter-based Feature Selection Methods for Software Fault Prediction |
| title_sort |
comparative analysis of filter-based feature selection methods for software fault prediction |
| publisher |
Tạp chí Thông tin và Truyền thông |
| publishDate |
2021 |
| url |
http://elib.vku.udn.vn/handle/123456789/1550 |
| _version_ |
1849197392271769600 |