Раннє оцінювання рядків коду (LOC) у проектах програмного забезпечення має важливе значення, оскільки це безпосередьно впливає на прогнозування зусиль з розробки програмного забезпечення для цілого спектру мов програмуання, включаючи застосунки з відкритим кодом на Kotlin. Об'єктом дослідження є процес раннього оцінювання метрики LOC застосунків з відкритим кодом на Kotlin. Предметом дослідження є нелінійні регресійні моделі для раннього оцінювання метрики LOC застосунків з відкритим кодом на Kotlin. Мета роботи - побудова нелінійної регресійної моделі з трьома предикторами для раннього оцінювання метрики LOC застосунків з відкритим кодом на Kotlin на основі чотирьохвимірного нормалізуючого перетворення Бокса-Кокса для підвищення достовірності раннього оцінювання LOC цих застосунків. Метод. Для раннього оцінювання LOC у застосунках із відкритим кодом на Kotlin модель, довірчі та прогнозні інтервали нелінійної регресії були побудовані за допомогою нормалізуючого перетворення Бокса-Кокса з чотирма змінними та за допомогою відповідних методів. Ці методи базуються на множинному нелінійному регресійному аналізі з використанням багатовимірних нормалізуючих перетворень та враховують кореляцію між залежними та незалежними змінними у випадку негаусових даних. Як наслідок, такий підхід має тенденцію до змешненя середньої величини відносної похибки, зменшення ширини довірчих інтрвалів та інтервалів прогнозування порівняно з моделями, що використовують однофакторні нормалізуючі перетворення. Проведено порівняння побудованої моделі з моделями нелінійної регресії з використанням десяткового логарифму та одновимірного перетворення Бокса-Кокса. Висновки: модель нелінійної регресії з трьома предикторами для ранньої оцінки метрики LOC застосунків із відкритим вихідним кодом на Kotlin побудовано на основі перетворення чотирьох змінних Бокса-Кокса. Порівняно з іншими моделями нелінійної регресії, ця модель демонструє більший множинний коефіцієнт детермінації, менше значення середньої величини відносної похибки та менші ширини довірчих інтервалів та інтервалів прогнозування. Перспективи подальших досліджень можуть включати застосування інших багатовимірних нормалізуючих перетворень і наборів даних для побудови моделі нелінійної регресії для ранньої оцінки метрики LOC застосунків із відкритим вихідним кодом на Kotlin для інших обмежень на предиктори.

 Наукова періодика України 

---

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"