การปรับจูน Hyperparameter ในแบบจำลองการเรียนรู้ของเครื่องด้วยอัลกอริทึมชีวภาพแบบผสม: กรณีศึกษาการทำนายข้อบกพร่องของซอฟต์แวร์
การปรับจูน Hyperparameter ในแบบจำลองการเรียนรู้ของเครื่องด้วยอัลกอริทึมชีวภาพแบบผสม: กรณีศึกษาการทำนายข้อบกพร่องของซอฟต์แวร์ การปรับจูน Hyperparameter ในแบบจำลองการเรียนรู้ของเครื่องด้วยอัลกอริทึมชีวภาพแบบผสม: กรณีศึกษาการทำนายข้อบกพร่องของซอฟต์แวร์ ในโลกของการพัฒนาซอฟต์แวร์ การตรวจจับข้อบกพร่องตั้งแต่เนิ่นๆ ถือเป็นกุญแจสำคัญสู่การสร้างผลิตภัณฑ์ที่มีคุณภาพสูง การทำนายข้อบกพร่องของซอฟต์แวร์ (Software Defect Prediction: SDP) จึงเป็นกระบวนการสำคัญที่ช่วยระบุโมดูลของซอฟต์แวร์ที่มีแนวโน้มที่จะเกิดข้อบกพร่อง ซึ่งช่วยให้นักพัฒนาสามารถจัดสรรทรัพยากรในการทดสอบได้อย่างมีประสิทธิภาพ ลดต้นทุน และเพิ่มประสิทธิภาพของกระบวนการพัฒนา ปัจจุบัน เทคนิคการเรียนรู้ของเครื่อง (Machine Learning) ถูกนำมาใช้อย่างกว้างขวางใน SDP อย่างไรก็ตาม ประสิทธิภาพของแบบจำลองการเรียนรู้ของเครื่องนั้นขึ้นอยู่กับการตั้งค่า hyperparameter ที่เหมาะสม ซึ่งการค้นหาค่าที่เหมาะสมที่สุดนั้นเป็นเรื่องที่ท้าทาย บทความวิจัย Mathematics, Vol. 12, Pages 2521 นำเสนอการใช้อัลกอริทึมชีวภาพแบบผสม (Hybrid Bio-inspired Optimi...