برخورد با مقادیر گم‌شده در تخمین هزینه نرم‌افزار

تخمین هزینه ی نرم افزار از جمله چالش های موثر در مدیریت توسعه ی پروژه ی نرم افزاری محسوب می گردد. در این حوزه تاکنون کارهای پژوهشی فراوانی با رویکردهای متفاوتی صورت پذیرفته است. یکی از حوزه های مورد توجه پژوهشگران در این حوزه، الگوریتم‌های یادگیری ماشین و داده‌کاوی است. نتایج حاصل از بررسی این دسته از روش‌ها، نشان داده است که کیفیت دادگان مورد استفاده جهت آموزش الگوریتم‌های یادگیری ماشین، روی دقت تخمین بسیار تاثیرگذار است. یکی از چالش‌های موجود در این حوزه، وجود مقادیر گم شده در برخی ویژگی‌های نمونه‌ها در دادگان آموزشی است. از اینرو در پژوهش حاضر، به بررسی دقت الگوریتم‌های شبکه ی عصبی چند لایه و ماشین بردار پشتیبان روی دادگان desharnais و بررسی تاثیر روش‌های برخورد با مقادیر گم شده به عنوان نوعی پیش پردازش، روی این نوع از تکنیک های یادگیری ماشین در تخمین هزینه نرم‌افزار پرداخته شده است. نتایج حاصل، بیانگر موثرتر بودن روش حذف نمونه‌های دارای مقادیر گم شده در برخی ویژگی‌های خود به نسبت سایر روش‌ها در افزایش دقت یادگیری ماشین روی دادگان مورد نظر است.