برخورد با مقادير گم‌شده در تخمين هزينه نرم‌افزار

Handling missing values in software cost estimation

تخمين هزينه ي نرم افزار از جمله چالش هاي موثر در مديريت توسعه ي پروژه ي نرم افزاري محسوب مي گردد. در اين حوزه تاكنون كارهاي پژوهشي فراواني با رويكردهاي متفاوتي صورت پذيرفته است. يكي از حوزه هاي مورد توجه پژوهشگران در اين حوزه، الگوريتم‌هاي يادگيري ماشين و داده‌كاوي است. نتايج حاصل از بررسي اين دسته از روش‌ها، نشان داده است كه كيفيت دادگان مورد استفاده جهت آموزش الگوريتم‌هاي يادگيري ماشين، روي دقت تخمين بسيار تاثيرگذار است. يكي از چالش‌هاي موجود در اين حوزه، وجود مقادير گم شده در برخي ويژگي‌هاي نمونه‌ها در دادگان آموزشي است. از اينرو در پژوهش حاضر، به بررسي دقت الگوريتم‌هاي شبكه ي عصبي چند لايه و ماشين بردار پشتيبان روي دادگان Desharnais و بررسي تاثير روش‌هاي برخورد با مقادير گم شده به عنوان نوعي پيش پردازش، روي اين نوع از تكنيك هاي يادگيري ماشين در تخمين هزينه نرم‌افزار پرداخته شده است. نتايج حاصل، بيانگر موثرتر بودن روش حذف نمونه‌هاي داراي مقادير گم شده در برخي ويژگي‌هاي خود به نسبت ساير روش‌ها در افزايش دقت يادگيري ماشين روي دادگان مورد نظر است.