Utilizando Algoritmos de Machine Learning Caixa Branca para Avaliar a Manutenibilidade dos Modelos de Features

Abstract

O objetivo deste trabalho foi utilizar modelos de Machine Learning (ML) caixa branca para classificar a manutenibilidade do Modelo de Features (MF), com base em 15 medidas de manutenibilidade. Como resultados, foi utilizado o algoritmo de árvore de decisão que obteve acurácia e precisão de 0,81, F1 de 0,79 e AUC-ROC de 0,91. Utilizando este modelo, houve redução da quantidade de medidas necessárias para avaliar a manutenibilidade do MF de 15 para 9 medidas. A árvore de decisão gerada pelo algoritmo foi utilizada para criar um mecanismo capaz de fornecer sugestões de mudança nas medidas de manutenibilidade para que a manutenibilidade do artefato melhore. Também foi implementada uma ferramenta com algoritmo escolhido para automação da classificado do MF.