アジャイルソフトウェア開発における予測分析のためのインテリジェント技術 | JoVE Visualize

科学分野:

ソフトウェアエンジニアリング
機械学習
データサイエンス

背景:

ソフトウェア開発の複雑さには、高度なプロジェクト管理ツールが必要です。
問題解決時間の推定のための予測分析は、意思決定とリソース割り当てを改善します。
GitHubからのアジャイル努力見積もりソフトウェア（AgES）データセットは、分析のための豊富な機能を提供します。

研究の目的:

ソフトウェアの問題解決時間を予測するための機械学習モデルを分析すること。
MAE、MSE、RMSE、MdAEなどのメトリックを使用してモデルパフォーマンスを評価すること。
問題解決時間の予測に最も効果的な方法論を特定すること。

主な方法:

従来の機械学習モデルと高度な機械学習モデル（ニューラルネットワーク、ランダムフォレスト、線形回帰）を適用しました。
貢献者の専門知識、問題カテゴリ、コンポーネントなどの機能を持つAgESデータセットを利用しました。
平均絶対誤差（MAE）、平均二乗誤差（MSE）、二乗平均平方根誤差（RMSE）、中央絶対誤差（MdAE）を使用してモデルを評価しました。

主要な成果:

XGBoostアルゴリズムは、考慮されたエラーメトリック全体で一般的に最良のパフォーマンスを示しました。
比較分析には、既存のアジャイルデータセット（TAWOS、Choet et al.）に対するAgESデータセットが含まれました。
モデル評価は、実際のソフトウェアプロジェクト管理における実践的な意味を強調しました。

結論:

機械学習は、ソフトウェアプロジェクト管理のための強力な予測ツールを提供します。
正確な問題解決時間の予測により、より良い計画とリソース管理が可能になります。
この研究では、モデルのトレーニング、機能の重要性、およびソフトウェア開発における機械学習の変革の可能性について詳述しています。