ソフトウェア開発の品質保証において、fault-proneモジュールを事前に特定する欠陥予測手法は重要な役割を担う。その一つとして，相関ルール分析とランダムフォレストを併用する手法が提案されている。従来の相関ルール分析では，抽出したルールを閾値に基づいて利用する方法が一般的であり，ルールが該当するかどうかの単純な判定として扱われることが多い。そこで本研究では，相関ルールで得られた数値的な傾向をルールの特徴量として再構成し，静的コードの特徴量と併せて機械学習モデルへ統合する特徴量設計を行う。このアプローチにより，ルールの強さを定量的に予測モデルへ取り入れることを目指し，欠陥予測における新たな活用法の可能性を広げる。