Статті (ПЗАС)

Постійне посилання зібрання

https://eir.nuos.edu.ua/handle/123456789/3286

Переглянути

Перегляд Статті (ПЗАС) за Автор "Farionova, T. A."

Зараз показуємо 1 - 1 з 1
  • Ескіз
    Документ
    Трьохфакторна нелінійна регресійна модель для оцінювання розміру PHP-застосунків з відкритим кодом
    (2020) Приходько, С. Б.; Приходько, Н. В.; Фаріонова, Т. А.; Ворона, М. В.; Prykhodko, S. B.; Prykhodko, N. V.; Farionova, T. A.; Vorona, M. V.
    Метою роботи є створення множинної нелінійної регресійної моделі для оцінювання розміру PHP-застосунків із відкритим кодом на основі багатовимірного нормалізуючого перетворення за змінними, що визначаються за діаграмою класів. Трьохфакторну нелінійну регресійну модель для оцінювання розміру PHP-застосунків із відкритим кодом побудовано на основі нормалізації чотиривимірного негаусівського набору даних: кількість строк коду (LOC); кількість класів (Classes); сума кількості класів, на які впливає даний клас (Afferent Coupling), і кількості класів, із яких даний клас отримує ефекти (Efferent Coupling), та кількість методів (Methods) із 44 застосунків, розташованих на сайті GitHub (https://github.com) за допомогою інструменту PhpMetrics (https://phpmetrics.org/). Нормалізація цього набору даних здійснена за допомогою і двох одновимірних перетворень: у вигляді десяткового логарифму та перетворення Джонсона для сімейства SB. Використання чотиривимірного перетворення в порівнянні з одновимірними дозволяє врахувати кореляцію між змінними, що призводить до покращення нормалізації даних, яка пов’язана з виконанням статистичної гіпотези щодо відповідності їх розподілу чотиривимірному розподілу Гаусу, з подальшим підвищенням достовірності відповідного оцінювання. Виконано порівняння побудованої нелінійної моделі з лінійною регресійною моделлю і нелінійними регресійними моделями на основі десяткового логарифму і одновимірного перетворення Джонсона. Нелінійна модель, що побудована, в порівнянні з іншими регресійними моделями (як лінійними, так і нелінійними) має більше значення множинного коефіцієнту детермінації, менше значення середньої величини відносної похибки та менші ширини інтервалу передбачення нелінійної регресії. Цей результат може бути пояснений найкращою багатовимірною нормалізацією і тим, що немає підстав відкидати нульову гіпотезу про те, що чотиривимірний розподіл для нормалізованих даних, який нормалізується за допомогою чотиривимірного перетворення Джонсона для сімейства SB, є таким самим, як і чотиривимірний нормальний розподіл.