[論文レビュー] Software Effort Estimation with Ridge Regression and Evolutionary Attribute Selection

Efi Papatheocharous, Harris Papadopoulos+1 more|arXiv (Cornell University)|Dec 28, 2010

Software Engineering Research参考文献 19被引用数 11

ひとこと要約

本論文では、自動的属性選択を目的としたリッジ回帰（RR）と遺伝的アルゴリズム（GA）を組み合わせたハイブリッドソフトウェア効率推定モデルを提案する。最適なプロジェクト属性のサブセットを進化させることで、冗長な特徴からのノイズを低減し、標準的なRRや線形回帰と比較して、高次元のソフトウェアプロジェクトデータセット上での予測精度を顕著に向上させる。

ABSTRACT

Software cost estimation is one of the prerequisite managerial activities carried out at the software development initiation stages and also repeated throughout the whole software life-cycle so that amendments to the total cost are made. In software cost estimation typically, a selection of project attributes is employed to produce effort estimations of the expected human resources to deliver a software product. However, choosing the appropriate project cost drivers in each case requires a lot of experience and knowledge on behalf of the project manager which can only be obtained through years of software engineering practice. A number of studies indicate that popular methods applied in the literature for software cost estimation, such as linear regression, are not robust enough and do not yield accurate predictions. Recently the dual variables Ridge Regression (RR) technique has been used for effort estimation yielding promising results. In this work we show that results may be further improved if an AI method is used to automatically select appropriate project cost drivers (inputs) for the technique. We propose a hybrid approach combining RR with a Genetic Algorithm, the latter evolving the subset of attributes for approximating effort more accurately. The proposed hybrid cost model has been applied on a widely known high-dimensional dataset of software project samples and the results obtained show that accuracy may be increased if redundant attributes are eliminated.

研究の動機と目的

• ノイズや関係のないプロジェクト属性による不正確なソフトウェア効率推定の課題に対処すること。
• 多重共線性や高次元データを扱う際の従来の線形回帰モデルの限界を克服すること。
• 進化的計算を用いて自動的に最も関連性の高いコストドライバーを同定することで、予測精度を向上させること。
• リッジ回帰と遺伝的アルゴリズムを組み合わせることでソフトウェアコスト推定の有効性を実証すること。
• 専門家の直感に依存するのを減らす、堅牢でデータ駆動型のアプローチを提供すること。

提案手法

• プロジェクト属性間の多重共線性を扱うために、コアの回帰手法としてリッジ回帰（RR）を適用する。
• RRモデルの入力属性サブセットを進化・最適化するために遺伝的アルゴリズム（GA）を用いる。
• GAにおいて、各遺伝子が特徴の含む・含まないを表すバイナリの染色体として属性サブセットを符号化する。
• 選択された属性サブセット上で訓練されたRRモデルの予測誤差（例：平均二乗誤差）に基づいて適応度関数を定義する。
• 複数の世代にわたりGAの集団を進化させ、高性能で最小限の属性セットに収束させる。
• 性能を評価するために、よく知られた高次元のソフトウェアプロジェクトデータセット上でハイブリッドRR-GAモデルを訓練および評価する。

実験結果

リサーチクエスチョン

• RQ1 遺伝的アルゴリズムは、ソフトウェア効率推定のための最も関連性の高い属性サブセットを効果的に同定できるか？
• RQ2 リッジ回帰と進化的属性選択を組み合わせることで、標準的なRRと比較して推定精度が向上するか？
• RQ3 冗長または関係のない属性を削除することで、ソフトウェアコスト推定における予測誤差はどの程度低減されるか？
• RQ4 ハイブリッドRR-GAモデルは、従来の線形回帰および純粋なRRと比較して、頑健性と正確性の面で優れているか？
• RQ5 自動属性選択は、ソフトウェアコスト推定における専門家知識への依存を軽減できるか？

主な発見

• ハイブリッドRR-GAモデルは、ベンチマークデータセット上で標準的なリッジ回帰よりも顕著に低い予測誤差を達成した。
• 遺伝的アルゴリズムは、モデル性能を向上させるために、削減され最適化された属性サブセットを効果的に同定した。
• 属性選択の使用により、ノイズや関係のない特徴の影響が低減され、モデルの頑健性が向上した。
• 本手法は、従来の線形回帰および標準的なRRと比較して、推定精度の面で優れていた。
• 結果から、進化的計算による自動特徴選択が、ソフトウェア効率推定の信頼性を高めることを示している。
• モデルの性能向上は、複数の評価指標にわたり一貫しており、高次元環境下での有効性を確認している。