数据集质量评估：基于类比的工作量估算的扩展
软件工程
2017-03-21 v1
摘要
基于类比的估算（EBA）是软件工程领域中日益活跃的研究方法。该方法的基本假设是，在属性值方面相似的项目在工作量值方面也将相似。人们公认软件数据集的质量对此类方法的可靠性和准确性有显著影响。因此，如果软件数据集不满足上述假设，那么它对EBA方法而言就毫无用处。本文提出了一种基于肯德尔按行秩相关的新方法，能够进行数据质量评估并为EBA提供数据预处理阶段。所提方法为数据质量评估过程提供了可靠的统计基础和依据。与Analogy-X不同，我们的方法能够单独处理分类属性，而无需划分数据集。实验结果表明，所提方法可形成EBA的有用扩展，因为它能够实现：数据集质量评估、属性选择和识别异常观测值。
引用
@article{arxiv.1703.04575,
title = {Dataset Quality Assessment: An extension for analogy based effort estimation},
author = {Mohammad Azzeh},
journal= {arXiv preprint arXiv:1703.04575},
year = {2017}
}