Чотирьохфакторна нелінійна регресійна модель для оцінювання розміру Java-застосунків з відкритим кодом

Скорочена інформація про документ
dc.contributor.authorПриходько, С. Б.
dc.contributor.authorПриходько, Н. В.
dc.contributor.authorСмикодуб, Т. Г.
dc.contributor.authorPrykhodko, S. B.
dc.contributor.authorPrykhodko, N. V.
dc.contributor.authorSmykodub, T. G.
dc.date.accessioned2021-10-05T06:42:57Z
dc.date.available2021-10-05T06:42:57Z
dc.date.issued2020
dc.descriptionПриходько, С. Б. Чотирьохфакторна нелінійна регресійна модель для оцінювання розміру Java-застосунків з відкритим кодом = Four-factor non-linear regression model to estimate the size of open source Java-based applications / С. Б. Приходько, Н. В. Приходько, Т. Г. Смикодуб // Вчені записки ТНУ ім. В. І. Вернадського. Сер. Технічні науки. – Київ, 2020. – № 2, т. 31 (70), ч. 1. – С. 157–162.uk_UA
dc.description.abstractМетою роботи є створення множинної нелінійної регресійної моделі для оцінювання розміру Java-застосунків з відкритим кодом на основі багатовимірного нормалізуючого перетворення за значеннями змінних, що можуть бути визначені за діаграмою класів. Чотирьохфакторну нелінійну регресійну модель для оцінювання розміру Java-застосунків з відкритим кодом побудовано на основі нормалізації за допомогою п’ятивимірного перетворення Джонсона для сімейства SB негаусівського набору даних: кількості строк коду (LOC); кількості класів (Classes); кількості статичних методів (NOSM); метрики, що характеризує відсутність згуртованості методів (Lack of Cohesion of Methods, LCOM), та кількості викликів унікального методу в класі (the Response for Class, RFC) з 38 застосунків, розташованих на сайті GitHub (https://github.com) за допомогою інструменту CK (https://github. com/mauricioaniche/ck). Також нормалізацію цього набору даних було здійснено і за допомогою двох одновимірних перетворень: у вигляді десяткового логарифму та перетворення Джонсона для сімейства SB. Використання п’ятивимірного перетворення порівняно з одновимірними дозволяє врахувати кореляцію між змінними, що призводить до покращення нормалізації даних, яка пов’язана з виконанням статистичної гіпотези щодо відповідності їх розподілу п’ятивимірному 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, порівняно з іншими регресійними моделями (як лінійними, так і нелінійними) має більші значення множинного коефіцієнту детермінації та відсотка прогнозування на рівні величини відносної похибки, який дорівнює 0,25, менші значення середньої величини відносної похибки та ширини інтервалу передбачення нелінійної регресії. Цей результат може бути пояснений найкращою багатовимірною нормалізацією і тим, що немає підстав відкидати нульову гіпотезу про те, що п’ятивимірний розподіл для нормалізованих даних, який нормалізується за допомогою п’ятивимірного перетворення Джонсона для сімейства SB, є таким самим, як і п’ятивимірний нормальний розподіл.uk_UA
dc.description.abstract1The goal of the work is the creation of the multiple non-linear regression model for estimating the size of open source Java-based applications based on the multivariate normalizing transformation. A four-factor non-linear regression model to estimate the size of open source Java-based applications is constructed on the basis of the Johnson five-variate normalizing transformation for SB family of the non-Gaussian data set from 38 applications hosted on GitHub (https://github.com). The data set was obtained using the CK tool (https://github.com/mauricioaniche/ck). The model is built around the metrics (variables) of class diagram: number of classes (Classes), number of static methods (NOSM), a measure of the number of response abilities of classes (Lack of Cohesion of Methods, LCOM), number of unique method invocations in a classes (the Response for Class, RFC). Comparison of the constructed model with the linear model and non-linear regression model based on the Johnson univariate transformation has been performed. In comparison with other linear regression models both linear and non-linear models based on the univariate normalizing transformations, constructed model has larger values of multiple coefficient of determination and the percentage of prediction at the level of magnitude of relative error, which equals 0.25, smaller values of the mean magnitude of relative error and width of the prediction intervals of non-linear regression. This may be explained best multivariate normalization and the fact that there is no reason to reject the null hypothesis that the four-variate distribution for normalized data, which normalized by the Johnson five-variate transformation for SB family, is the same as the four-variate normal distribution. The practical significance of obtained results is that the software realizing the constructed model is developed in the sci-language for Scilab. The experimental results allow to recommend the constructed model for use in practice. Prospects for further research may include the application of other multivariate normalizing transformations and data sets to construct the multiple non-linear regression model for estimating the size of open source Java-based applications.uk_UA
dc.description.provenanceSubmitted by Диндеренко Катерина (kateryna.dynderenko@nuos.edu.ua) on 2021-10-05T06:41:05Z No. of bitstreams: 1 Prykhodko 2020.pdf: 428344 bytes, checksum: 88965a081ae359ced9790e65ca6187c1 (MD5)en
dc.description.provenanceApproved for entry into archive by Диндеренко Катерина (kateryna.dynderenko@nuos.edu.ua) on 2021-10-05T06:41:46Z (GMT) No. of bitstreams: 1 Prykhodko 2020.pdf: 428344 bytes, checksum: 88965a081ae359ced9790e65ca6187c1 (MD5)en
dc.description.provenanceApproved for entry into archive by Диндеренко Катерина (kateryna.dynderenko@nuos.edu.ua) on 2021-10-05T06:42:22Z (GMT) No. of bitstreams: 1 Prykhodko 2020.pdf: 428344 bytes, checksum: 88965a081ae359ced9790e65ca6187c1 (MD5)en
dc.description.provenanceMade available in DSpace on 2021-10-05T06:42:57Z (GMT). No. of bitstreams: 1 Prykhodko 2020.pdf: 428344 bytes, checksum: 88965a081ae359ced9790e65ca6187c1 (MD5)en
dc.identifier.govdocDOI https://doi.org/10.32838/2663-5941/2020.2-1/25
dc.identifier.issn2663-5941 (Print)
dc.identifier.issn2663-595X (Online)
dc.identifier.urihttps://eir.nuos.edu.ua/handle/123456789/4456
dc.language.isoukuk_UA
dc.relation.ispartofseries004.412:519.237.5uk_UA
dc.subjectнелінійна регресійна модельuk_UA
dc.subjectінтервал передбаченняuk_UA
dc.subjectоцінювання розміру програмиuk_UA
dc.subjectJava-застосунокuk_UA
dc.subjectнормалізуюче перетворенняuk_UA
dc.subjectнегаусівські даніuk_UA
dc.subjectnonlinear regression modeluk_UA
dc.subjectprediction intervaluk_UA
dc.subjectsoftware size estimationuk_UA
dc.subjectJava applicationuk_UA
dc.subjectnormalizing transformationuk_UA
dc.subjectnon-Gaussian datauk_UA
dc.titleЧотирьохфакторна нелінійна регресійна модель для оцінювання розміру Java-застосунків з відкритим кодомuk_UA
dc.title1Four-factor non-linear regression model to estimate the size of open source Java-based applicationsuk_UA
dc.title22020
dc.typeArticleuk_UA

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Prykhodko 2020.pdf
Розмір:
418.3 KB
Формат:
Adobe Portable Document Format
Опис:
стаття
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
7.05 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Статті (ПЗАС)
Статті. Кафедра фінансів