本发明公开了一种基于Active Learning的项目内软件老化预测方法，通过收集软件中代码静态度量，使用Active Learning挑选出样本进行打标签作为训练集，去预测剩下的无类标的样本。采用Active Learning进行样本挑选和人工打标签，构成训练集。采用过采样和欠采样结合法缓解类不平衡问题，使用机器学习分类器进行预测。本发明考虑了软件老化缺陷数据集样本少，收集比较耗时耗力，采用欠采样和过采样结合的方法缓解极类不平衡问题，有助于开发者在开发测试阶段发现软件老化相关缺陷并移除，避免软件老化问题带来的损失。本发明已在真实软件上验证过其可行性，并可推广至其他软件来预测软件老化相关缺陷。