Projetar um Sistema Inteligente de Software para predição de defeitos de software (SDP) é um importante desafio no campo da engenharia de software usando algoritmos de aprendizagem de máquinas como problemas de equilíbrio de classe-imbalanceamento causam dificuldades para a classificação de módulos defeituosos e não defeituosos, por isso a aprendizagem desequilibrada lida com este problema e também utilizado por pesquisadores, mas infelizmente com resultados inconsistentes. Para isso, realizamos uma experiência abrangente para projetar um sistema de software inteligente usando o efeito da aprendizagem desequilibrada sobre as métricas do conjunto de dados de desequilíbrio, tipo de classificador, métricas de entrada e método de aprendizagem desequilibrada. O principal requisito na concepção de um Sistema de Software Inteligente para a previsão de defeitos de software normalmente utiliza métodos e frameworks que permitem aos engenheiros de software concentrarem-se em actividades de desenvolvimento em termos de código propenso a defeitos, melhorando assim a qualidade do software e fazendo melhor uso dos recursos. Muitos conjuntos de dados, métodos e frameworks de previsão de defeitos de software são complexos, portanto, falta um quadro abrangente de pesquisa de previsão de defeitos da fase de desenvolvimento.