原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
二次回归学习及其在软件开发工作量预测上的应用.pdf
第28卷 第 1期 模式识别与人工智能 Vol_28 No．1
2015年 1月 PR AI Jan． 2015
二次 回归学 习
及其在软件开发工作量预测上的应用术
杨子旭 黎 铭
(南京大学 计算机软件新技术国家重点实验室 南京 210023)
摘 要 回归学习是用于对具有实值标记样本进行学习建模的监督学习技术．为获得 良好的预测性能，通常需要
大量的训练样本，然而，在实际应用中可收集到的训练样本数量极少．针对该问题，提出一种基于二次学习框架的
新型二次回归学习方法——基于神经网络集成的回归树算法(NERT)．该方法借助虚拟样本生成技术，通过串行执
行的两个学习阶段对其进行有效利用，有效缓解训练样本不足的困难 ，从而提升学习性能．同时，通过为两个阶段
分别选择泛化能力强和理解性好的学习方法，可得到预测性能好且可理解性高的模型．实验结果表明在训练样本
极少的软件开发工作量预测问题上 ，NERT方法能够从小样本数据得到比现有方法更好的预测性能，同时其模型内
在可理解性能够揭示工作量预测的关键因素．
关键词 回归分析，机器学习，二次回归学习，软件挖掘，工作量预测
中图法分类号 TP181 DOI 10．16451／j．cnki．issn1003-6059．201501008
TwiceRegressionLearningandItsApplicationon
SoftwareEff0rtEstimation
YANG Zi—Xu，LIMing
(StateKeyLaboratoryforNovelSoftwareTechnology，NanfingUniversity，Nanjing210023)
ABSTRACT
Regressionlearningbelongsto supervised learning，which istobuild modelson exampleswith
real—valuedlabels．Itusuallyneedsagreatamountoftrainingsamplestoobtainsignificantperformance．
However，thereare few training samplesthatcan be collected in realapplications
． Aimingatthis
problem，theneuralnetworkensembletoregressiontree(NERT)algorithm isproposedbasedonthe
twicelearningframework．By meansofthevirtualsamplegeneration technique，thismethod makes
effectiveutilizationoftwosequential learningstagestorelievetheproblem ofinsufficienttrainingsamples
forenhancingitsperfomr ance．Bychoosingtwomethodswith high generalization abilityandsignificant
comprehensibilityrespectivelyforthetwo stages，amo
文档评论（0）