• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Asia-Pacific Software Engineering Conference >An Evaluation of Selection Methods for Time-Aware Effort Estimation
【24h】

An Evaluation of Selection Methods for Time-Aware Effort Estimation

机译：时间感知工作量估计的选择方法的评价

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

CONTEXT: Several studies in effort estimation havefound that it can be effective to use only recent project data for building an effort estimation model. The generality of this timeaware approach has been explored across a variety of effort estimation model approaches, organizations and definitions of recency. However, other studies have shown that it is not alwayshelpful. A question arises: how can one tell whether the approachwould be effective for a given target project? OBJECTIVE: Toinvestigate a potential method to decide between selecting recentor all project data. METHOD: Using a single-company ISBSGdata set1 studied previously in similar research, we propose andevaluate a selection method. The method utilizes a variant ofcross-validation based on recent projects to make the decision.RESULTS: There are significant differences in the estimation accuracybetween using the proposed method and using the growingportfolio (always using all available data). The method could alsoselect the better approach on average. However, the differencein estimation accuracy between using the proposed method andalways using moving windows was not statistically significant.CONCLUSIONS: The selection method could select the betterapproach on average. The results contribute to developing amethod for suggesting a better approach for practitioners.
机译：背景：在工作量估算中的一些研究发现，仅使用最新的项目数据来构建工作量估算模型可能是有效的。已在各种工作量估计模型方法，组织和新近度定义中探索了这种时间感知方法的一般性。但是，其他研究表明，它并不总是有帮助的。出现一个问题：如何判断该方法对于给定的目标项目是否有效？目的：研究一种潜在的方法来决定选择最新数据还是所有项目数据。方法：使用以前在类似研究中研究过的一家公司ISBSGdata set1，我们提出并评估了一种选择方法。该方法利用了基于最近项目的交叉验证变体来做出决策。结果：使用建议的方法和使用增长的投资组合（始终使用所有可用数据）之间的估计准确性存在显着差异。该方法还可以平均选择更好的方法。但是，该方法与始终使用移动窗口方法的估计精度差异无统计学意义。结论：选择方法可以平均选择较好的方法。这些结果有助于开发一种方法，为从业者提出更好的方法。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号