您当前的位置:
首页 >
文章列表页 >
基于logistic回归模型的Pull Request合并结果预测
计算机软件与理论 | 更新时间:2025-04-14
    • 基于logistic回归模型的Pull Request合并结果预测

    • Prediction of Pull Request Combined Results Based on Logistic Regression Model

    • 在GitHub代码贡献领域,基于logistic回归模型的Pull Request拒绝预测准确率为0.84,召回率为0.99,F1分数为0.91,有效提高预测性能。
    • 软件导刊   2025年24卷第4期 页码:89-92
    • DOI:10.11907/rjdk.241096    

      中图分类号: TP311
    • 收稿日期:2024-02-01

      纸质出版日期:2025-04-15

    移动端阅览

  • 陈萍,周礼亮,张卫丰.基于logistic回归模型的Pull Request合并结果预测[J].软件导刊,2025,24(04):89-92. DOI: 10.11907/rjdk.241096.

    CHEN Ping,ZHOU Liliang,ZHANG Weifeng.Prediction of Pull Request Combined Results Based on Logistic Regression Model[J].Software Guide,2025,24(04):89-92. DOI: 10.11907/rjdk.241096.

  •  
  •  

0

浏览量

0

下载量

0

CSCD

文章被引用时,请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

基于预训练语言模型的语言学习APP评价研究
教师人机协同教学采纳影响因素研究
数据挖掘课程中的思政教育探索与实践
基于兴趣点与签到的城市形态量化方法
基于RBF神经网络算法的农田土壤CO2排放评估

相关作者

徐娟
郑明鉴
马文莹
方菁菁
方旭
徐天一
王建荣
高洁

相关机构

北京语言大学 信息科学学院
南通大学 教育科学学院
天津市认知计算与应用重点实验室
天津大学 智能与计算学部
天津市先进网络与应用重点实验室
0