李呓瑾 宁浩宇 刘秀

云南电网有限责任公司信息中心 云南 昆明 650217

代码仓库分析下的代码推进方法与机器学习和数据挖掘有密切的联系。我们可以将机器学习和数据挖掘作为代码仓库分析下代码推荐方法的基础。以下是本文对基于代码仓库分析的代码推荐方法相关研究。

1 机器学习与数据挖掘

1.1 机器学习与数据挖掘工具分析

weka是机器学习与数据挖掘常见工具，weka的特点就是非商业化，是一种免费的开源机器学习与数据挖掘软件，weak是建立在Java编程语言基础之上的，对于多数的操作系统均有较好的兼容性，可为用户提供数据分类、预处理、关联分析等功能。weak中数据输入格式为二维矩阵，文件格式后有ARFF的后缀名称，所输入的数据一般为一个或者多个实例，并由一组属性对实例进行补充说明。

1.2 机器学习与数据挖掘技术分析

机器学习领域经过多年发展已经形成了基于不同思想下的机器学习算法。不同机器学习算法之间存在一定的联系性。举例来说，数值预测机器学习算法可以在输出数值对应区间设定好后，在分类算法中应用，这样就将分类算法与数值预算算法联系在一起。由此可见不同的机器学习算法是相互关联的。假设学习概念模型是机器学习算法运行的前提，所谓假设学习概念模型就是预先确定概念模型。通常情况下，规则模型、聚类模型、线性模型、表模型以及树模型是常使用的概念模型。以上模型带有较强的抽象性，机器学习算法需要在具体学习场景中对模型结构进行适当调整[1]。……