새로운 소프트웨어 프로젝트 결함 밀도 예측을 위한 vSVR 다항 커널

초록

본 연구는 ISBSG 2018 데이터셋을 활용해 지원 벡터 회귀(SVR) 중 v‑SVR와 e‑SVR를 적용하고, 네 가지 커널(선형, 다항, RBF, 시그모이드) 중 다항 커널을 사용한 v‑SVR가 기존 단순 선형 회귀(SLR)보다 결함 밀도(DD) 예측 정확도가 뛰어남을 통계적으로 입증한다. 특히 메인프레임 환경에서 3세대 언어로 개발된 신규 프로젝트에 대한 예측 성능이 유의하게 개선되었다.

상세 분석

이 논문은 소프트웨어 품질 관리에서 핵심 지표인 결함 밀도(Defect Density, DD)를 사전 예측함으로써 프로젝트 초기 단계에서 리스크를 최소화하고자 한다. 데이터는 국제 소프트웨어 벤치마킹 표준 그룹(ISBSG) Release 2018에서 추출했으며, 총 1,200여 건의 프로젝트 중 결함 보고가 가능한 450건을 선정했다. 변수 선택 과정에서는 규모(LOC), 인력 규모, 개발 기간, 사용 언어, 플랫폼 등 12개의 독립 변수를 포함했으며, 결측값은 평균 대체와 다중 대체법을 병행해 보완하였다.

SVR 모델은 두 가지 변형인 e‑SVR(ε‑SVR)과 v‑SVR(ν‑SVR)을 사용했으며, 각각 선형, 다항, 방사형 기저 함수(RBF), 시그모이드 커널을 적용해 8개의 모델을 구축했다. 하이퍼파라미터 튜닝은 5‑fold 교차 검증을 기반으로 그리드 서치를 수행했으며, 핵심 파라미터인 C, ε(또는 ν), γ(다항·RBF·시그모이드) 값을 최적화했다.

성능 평가는 평균 절대 오차(MAE), 평균 제곱근 오차(RMSE), 그리고 예측 정확도 지표인 MMRE와 Pred(25)를 사용했다. 전체 데이터셋에 대해 v‑SVR‑다항 커널 모델은 MAE = 0.42, RMSE = 0.58, MMRE = 0.21, Pred(25) = 78%를 기록했으며, 이는 SLR(MAE = 0.68, RMSE = 0.91, MMRE = 0.34, Pred(25) = 52%)에 비해 현저히 우수했다. 특히 메인프레임 플랫폼에 한정하고 3세대 언어(COBOL, PL/I 등)로 개발된 112건에 대해 v‑SVR‑다항 커널은 MMRE = 0.15, Pred(25) = 85%를 달성했으며, Wilcoxon 부호 순위 검정(p < 0.01)으로 통계적 유의성을 확인했다.

논문은 또한 모델 해석 가능성을 위해 서포트 벡터의 가중치를 분석했으며, 프로젝트 규모와 개발 기간이 DD에 가장 큰 영향을 미치는 변수임을 밝혀냈다. 다항 커널이 비선형 관계를 효과적으로 포착함으로써, 특히 규모와 복잡도가 높은 메인프레임 프로젝트에서 선형 모델이 놓치는 미세한 패턴을 보완한다는 점이 핵심 인사이트다. 한계점으로는 데이터셋이 2018년 기준이며 최신 클라우드·마이크로서비스 환경을 충분히 반영하지 못한다는 점, 그리고 변수 간 다중공선성을 완전히 제거하지 못한 점을 들었다. 향후 연구에서는 최신 데이터와 딥러닝 기반 회귀 모델을 비교하고, 변수 선택을 위한 LASSO·Elastic Net 기법을 도입해 모델 일반화를 강화할 필요가 있다.