将数据驱动成本估算应用于工业数据集的经验与结果
软件工程
2014-01-20 v1
摘要
工业中成本相关数据可用性的不断提高，使得公司能够应用数据密集型估算方法。然而，可用数据往往是不一致、无效或不完整的，因此大多数现有的数据密集型估算方法无法被应用。只有少数估算方法能在一定程度上处理不完美的数据（例如 Optimized Set Reduction, OSR(c)）。在实际环境中评估这些方法的结果十分罕见。本文描述了在 Toshiba Information Systems (Japan) Corporation 应用 OSR(c) 的案例研究。该案例研究的一个重要结果是，估算精度随所使用的数据集及预处理这些数据的方式而产生显著差异。该研究支持了定量成本估算领域的现有结果，并清楚地说明了典型问题。本文提出了关于数据预处理以及一般数据密集型成本估算的经验、教训与建议。
引用
@article{arxiv.1401.4256,
title = {Lessons Learned and Results from Applying Data-Driven Cost Estimation to Industrial Data Sets},
author = {Jens Heidrich and Adam Trendowicz and Jürgen Münch and Yasushi Ishigai and Kenji Yokoyama and Nahomi Kikuchi and T. Kawaguchi},
journal= {arXiv preprint arXiv:1401.4256},
year = {2014}
}
备注
10 pages. The final publication is available at http://ieeexplore.ieee.org/xpl/articleDetails.jsp?tp=&arnumber=4335245