研究人员通过将SMOTE-Tomek预处理技术应用于PROMISE数据集，改进了软件需求的分类。该方法有效解决了数据集中存在的类别不平衡问题，该数据集包含969个被归类为功能性或非功能性的需求。该方法显著提高了分类准确性，逻辑回归的准确率达到了76.16%，而基线准确率为58.31%，证明了机器学习在需求工程中提供可扩展且可解释的解决方案的实用性。 AI
影响 通过解决数据不平衡问题，增强了软件工程中机器学习模型的性能。
排序理由 这是一篇研究论文，详细介绍了一种提高特定数据集分类准确性的新方法。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
