تقنیات تقدیر جهود تطویر البرمجیات:دراسه
الملخص
یتم استخدام تقدیر جهد البرمجیات (Software Effort Estimation (SEE)) للتنبؤ وبشکل دقیق بالجهد من حیث (عدد شهور العمل أو عدد ساعات العمل)، وعلى الرغم من وجود العدید من النماذج فإن تقدیر جهد البرمجیات یعد من أصعب المهام لتطویر البرمجیات الناجحة. حیث تم اقتراح العدید من نماذج تقدیر جهد البرمجیات ومع ذلک ، فإن الإفراط فی تقدیر جهد البرامج أو النقص فی تقدیر جهد البرامج یؤدی إلى إلغاء المشروع أو فشل المشروع. إن الهدف الرئیسی لهذا البحث هو العثور على نموذج أداء لتقدیر جهد البرمجیات من خلال إجراء دراسه و مقارنات تجریبیة لخوارزمیات التعلم الآلی. تم استخدام تقنیات التعلم الالی مع سبع مجموعة بیانات مستخدمة والتی تضمنت china ، Albrecht ، Maxwell Desharnais ، Kemerer ،Cocomo81 ، Kitchenham ، وذلک لتحدید أفضل أداء لتقدیر جهود تطویر البرمجیات. حیث تم اعتبار الجذر التربیعی لمتوسط الخطأ (RMSE) ومتوسط الخطأ المطلق (MAE) و R-Squared کمقاییس للتقییم التی تم أخذها فی الاعتبار. أظهرت النتائج والتجارب مع خوارزمیات التعلم الالی المختلفة لتقدیر جهد البرمجیات أن خوارزمیة LASSO مع مجموعة بیانات china أنتجت أفضل أداء مقارنة مع خوارزمیات التعلم الالی الأخرى.
