2017
Cost-Sensitive Strategies for Data Imbalance in Bug Severity Classification: Experimental Results
SINGHA ROY, Nivir Kanti a Bruno ROSSIZákladní údaje
Originální název
Cost-Sensitive Strategies for Data Imbalance in Bug Severity Classification: Experimental Results
Autoři
SINGHA ROY, Nivir Kanti (50 Bangladéš) a Bruno ROSSI (380 Itálie, garant, domácí)
Vydání
Not specified, 43rd Euromicro Conference on Software Engineering and Advanced Applications (SEAA) 2017, od s. 426-429, 4 s. 2017
Nakladatel
IEEE
Další údaje
Jazyk
angličtina
Typ výsledku
Stať ve sborníku
Obor
10201 Computer sciences, information science, bioinformatics
Stát vydavatele
Spojené státy
Utajení
není předmětem státního či obchodního tajemství
Forma vydání
elektronická verze "online"
Odkazy
Kód RIV
RIV/00216224:14330/17:00100027
Organizační jednotka
Fakulta informatiky
ISBN
978-1-5386-2140-0
UT WoS
000426074600063
Klíčová slova anglicky
cost-sensitive strategies; data imbalance; software bug severity classification; software bug triaging process; support vector machine; SVM classifier
Příznaky
Mezinárodní význam, Recenzováno
Změněno: 20. 11. 2019 10:02, Bruno Rossi, PhD
Anotace
V originále
Context: Software Bug Severity Classification can help to improve the software bug triaging process. However, severity levels present a high-level of data imbalance that needs to be taken into account. Aim: We investigate cost-sensitive strategies in multi-class bug severity classification to counteract data imbalance. Method: We transform datasets from three severity classification papers to a common format, totaling 17 projects. We test different cost sensitive strategies to penalize majority classes. We adopt a Support Vector Machine (SVM) classifier that we also compare to a baseline "majority class" classifier. Results: A model weighting classes based on the inverse of instance frequencies yields a statistically significant improvement (low effect size) over the standard unweighted SVM model in the assembled dataset. Conclusions: Data imbalance should be taken more into consideration in future severity classification research papers.