Estudo empírico: detecção de Code Smells com aprendizado de máquinas

Abstract

A detecção de code smells durante o processo de desenvolvimento de software é importante para melhorar a qualidade do software e a refatoração é fundamental para eliminar esses indícios de problema. Este estudo avalia uma abordagem empírica que se baseia no treinamento de cinco algoritmos de aprendizado de máquina para detectar code smells em sistemas de software, utilizando métricas de software como parâmetros. Os resultados mostram que a abordagem de aprendizado de máquina tive um excelente desempenho para a detecção de code smells, alcançando uma acurácia entre 93,7% a 99,2%.