采样与规则集规模对生成的模糊推理系统预测精度的影响：基于软件工程数据集的分析

软件项目管理广泛利用预测建模来估算产品规模、缺陷倾向性与开发工作量。尽管这些任务中的不确定性已被承认，但专为良好应对不确定性而设计的模糊推理系统在软件工程领域仅受到有限关注。在本研究中，我们实证考察了当应用于一个软件工程数据集时，两种选择对生成的模糊推理系统预测精度的影响：用于训练与测试的观测采样；以及使用模糊 c 均值聚类生成的规则集规模。在十个样本上，我们发现给定特定规则集规模时预测性能并无一致模式。然而我们确实发现，由多个样本编译而成的规则集通常比单样本规则集产生更准确的预测。更一般地，该结果为实证分析结果对特定建模构建决策的敏感性提供了进一步证据。