使用机器学习技术预测软件工作量估计的比较分析-研究论文

【文件属性】：
文件名称：使用机器学习技术预测软件工作量估计的比较分析-研究论文
文件大小：208KB
文件格式：PDF
更新时间：2021-06-10 07:23:59
Effort Estimation Machine 工作量估计 (EE) 是一种用于查找预测模型准确性所需的全部工作量的技术。 这是软件应用程序开发实践中的一项重要工作。 为了找到准确的估计，最近开发了许多预测模型。 模型扩容初期的估计不准确，因为当时的需求不是很明确，但是随着模型的发展，估计的准确度会提高。 因此，为每个软件应用模型开发选择准确的估计是必不可少的。 这里使用 WEKA 工具包实现了线性回归 (LR)、多层感知器 (MLP)、随机森林 (RF) 算法，结果表明线性回归显示出比多层感知器和随机森林更好的估计精度。