一种基于机器学习的软件缺陷自动化预测方法及系统

本发明涉及一种基于机器学习的软件缺陷自动化预测方法及系统，属于软件缺陷预测技术领域，解决了现有软件缺陷特征选择复杂且预测指标不准确的问题。包括构建样本集，进行迭代训练和测试后，取分类性能指标最优时的类关联规则作为软件缺陷预测规则；迭代包括：将样本集划分为训练集和测试集；基于关联规则算法，根据三个支持度阈值及不同长度的频繁项集的提升度阈值，筛选出频繁项集并转化为关联规则，从中提取类关联规则，根据类关联规则的双置信度，对当前测试集进行预测，计算分类性能指标；获取待预测的软件缺陷度量元数据，与软件缺陷预测规则进行匹配，根据匹配的软件缺陷预测规则的双置信度，得到预测结果。实现了软件缺陷的准确预测。