Evaluación comparativa de algoritmos de aprendizaje automático para la predicción de defectos utilizando métricas orientadas a objetos y de complejidad del software (Registro nro. 281932)

MARC details
000 -LIDER
fixed length control field 03200nam a22002657a 4500
003 - CONTROL NUMBER IDENTIFIER
control field MX-MeUAM
005 - DATE AND TIME OF LATEST TRANSACTION
control field 20251216151142.0
008 - FIXED-LENGTH DATA ELEMENTS--GENERAL INFORMATION
fixed length control field 251216s2025 mx ||||fo||d| 00| 0 spa d
040 ## - CATALOGING SOURCE
Original cataloging agency MX-MeUAM
Language of cataloging spa
Transcribing agency MX-MeUAM
050 #4 - LIBRARY OF CONGRESS CALL NUMBER
Materials specified QA76.9.S88
Linkage P45 2025
100 1# - MAIN ENTRY--PERSONAL NAME
9 (RLIN) 41197
Personal name Pelayo Lomelí, Yaretxy Arely
245 10 - TITLE STATEMENT
Title Evaluación comparativa de algoritmos de aprendizaje automático para la predicción de defectos utilizando métricas orientadas a objetos y de complejidad del software
Remainder of title [recurso electrónico] /
Statement of responsibility, etc. Yaretxy Arely Pelayo Lomelí ; director, Juan Pablo García Vázquez
260 ## - PUBLICATION, DISTRIBUTION, ETC. (IMPRINT)
Place of publication, distribution, etc. Mexicali, Baja California
Date of publication, distribution, etc. 2025
300 ## - PHYSICAL DESCRIPTION
Extent 1 recurso en línea, 120 p. :
Other physical details gráficas ;
500 ## - GENERAL NOTE
General note Maestría en Ciencias
502 ## - DISSERTATION NOTE
Dissertation note Tesis (Maestría) -- Universidad Autónoma de Baja California, Facultad de Ingeniería, Mexicali, 2025
504 ## - BIBLIOGRAPHY, ETC. NOTE
Bibliography, etc Incluye referencias bibliográficas.
520 ## - SUMMARY, ETC.
Summary, etc. La predicción de defectos de software representa un desafío constante para los desarrolladores, debido a que se realizan manualmente, consumen mucho tiempo y suelen ser costosas. Las métricas de software juegan un papel clave en la predicción de defectos de software. El objetivo de esta tesis es evaluar y comparar el desempeño de diversos algoritmos de aprendizaje automático para predecir defectos de software utilizando métricas orientadas a objetos y métricas de complejidad. Se utilizó el conjunto de datos MJ12A, compuesto por 19,148 registros y 20 métricas. Se aplicaron técnicas de preprocesamiento de datos como balanceo de clases a través de SMOTE (Synthetic Minority Over-Sampling Technique), normalización y se implementaron diversos algoritmos como K-Nearest Neighbors (KNN), Naïve Bayes (NB), Random Forest (RF), Support Vector Machine (SVM) y Perceptron Multicapa (MLP). Se realizaron tres experimentos utilizando: 1) métricas de complejidad, 2) métricas orientadas a objetos y 3) la combinación de métricas de complejidad y orientadas a objetos. Para determinar el desempeño de los algoritmos se utilizaron métricas de evaluación como exactitud, precisión, recall, sensibilidad, especificidad, F1-score, kappa y G-media lo que permitió conocer su capacidad predictiva. El algoritmo con mejor rendimiento fue RF con una exactitud del 87.23% y un F1-score de 86.67%. Para cada algoritmo se utilizaron múltiples configuraciones de hiperparámetros con el objetivo aplicar pruebas t-student con p-valor < 0.05 de significancia. Se confirmó que RF supera de forma significativa a los demás algoritmos. Otro hallazgo interesante es que la combinación de métricas orientadas a objetos y de complejidad permiten predecir defectos con mayor precisión que un solo un tipo de métrica.<br/>Palabras clave: Aprendizaje automático, Predicción de defectos, Pruebas de software, Métricas de software.
650 #7 - SUBJECT ADDED ENTRY--TOPICAL TERM
Término temático o nombre geográfico como elemento de entrada Diseño de sistemas
Fuente del encabezamiento o término lemb.
650 #4 - SUBJECT ADDED ENTRY--TOPICAL TERM
Término temático o nombre geográfico como elemento de entrada Análisis de sistema
700 1# - ADDED ENTRY--PERSONAL NAME
9 (RLIN) 18991
Personal name García Vázquez, Juan Pablo
Relator term dir.
710 2# - ADDED ENTRY--CORPORATE NAME
9 (RLIN) 98
Corporate name or jurisdiction name as entry element Universidad Autónoma de Baja California.
Subordinate unit Facultad de Ingeniería
856 4# - ELECTRONIC LOCATION AND ACCESS
Uniform Resource Identifier https://drive.google.com/file/d/1pGk40YU8CyFb0QWjlJsqFSNOufRwLmi4/view?usp=sharing
Public note Tesis digital
942 ## - ADDED ENTRY ELEMENTS (KOHA)
Koha item type Tesis
Existencias
Estado de retiro Fuente de clasificación Colección Ubicación permanente Ubicación actual Fecha de ingreso Precio Total Checkouts Signatura topográfica Código de barras Date last seen Número de copia Tipo de material Categoría 1 de ítem Categoría 2 de ítem Categoría 3 de ítem
    Colección de Tesis Biblioteca Central Mexicali Biblioteca Central Mexicali 16/12/2025 0.00   QA76.9.S88 P45 2025 MXL126062 16/12/2025 1 Tesis Disco compacto Material adquirido por Compra Maestría en Ciencias

Con tecnología Koha