Huelva, España
Sevilla, España
La aplicación de determinadas técnicas de Data Mining sobre bases de datos numéricas de proyectos de desarrollo de software (PDS), nos permite, entre otras cosas, obtener información cualitativa sobre la evolución del proyecto. Muchas de estas técnicas son descriptivas, como por ejemplo el clustering, por lo que no se tiene a priori capacidad de predicción de resultados (variables del proyecto) a partir de nuevos datos (atributos del proyecto) de PDS. Para estimar estas variables a partir de nuevos valores en los atributos, se proponen en esta investigación diversas técnicas, de forma que se puedan comparar los resultados obtenidos. El objetivo es comprobar si se pueden estimar las variables de un proyecto, a partir de una nueva serie de valores de atributos, sin tener que simular todo el proyecto, y con unos márgenes de error bajos.
The application of some Data Mining techniques to Software Development Projects (SDP) numeric databa-ses (obtained through the simulation), facilitates the obtaining of qualitative information about the project evolution. Many of these techniques are descriptive, like the clustering, for which reason we don't have the capacity, a priori, to forecast results (project variables) from a new data set (project attributes) of a SDP. In this paper we try some statistic methods to forecast these variables from a new set of values of the attributes, so that the obtained results can be compared. The goal is to check if the project variables can be forecasted without having to simulate the whole project, and with low margin of error.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados