Порівняльний аналіз нелінійних регресійних моделей для прогнозування розміру веб-застосунків, що створюються мовою Python з використання Django Rest Framework

Скорочена інформація про документ
dc.contributor.authorМакарова Л. М.
dc.contributor.authorЛатанська Л. О.
dc.contributor.authorMakarova L. M.
dc.contributor.authorLatanska L. O.
dc.date.accessioned2024-10-01T06:36:53Z
dc.date.available2024-10-01T06:36:53Z
dc.date.issued2023
dc.descriptionМакарова, Л. М. Порівняльний аналіз нелінійних регресійних моделей для прогнозування розміру веб-застосунків, що створюються мовою Python з використання Django Rest Framework = Comparative analysis of nonlinear regression models to predict the size of web applications created in Python using the Django Rest Framework / Л. М. Макарова, Л. О. Латанська // Вчені записки ТНУ. Сер. Технічні науки. – Одеса : Гельветика, 2023. – Т. 34 (73), № 6. – С. 112–117.
dc.description.abstractВизначення розміру програмного забезпечення на ранніх стадіях роботи над проектом є поширеною задачею в галузі інженерії програмного забезпечення. Використовуючи такі існуючі моделі як, наприклад, COCOMO, COCOMO II, ISBSG, COSMIC та отриманий розмір можна прогнозувати трудомісткість, вартість, тривалість проекту. Значну частину розроблюваних проектів становлять веб-застосунки. Однією з найбільш популярних мов веб-розробок є мова Python. Для неї існує ряд фреймворків, найбільш повним та розповсюдженим з яких є Django Rest Framework. Метою дослідження є визначення найбільш якісної та достовірної нелінійної регресійної моделі для прогнозування розміру веб-застосунків, що створюються мовою Python з використанням Django Rest Framework. Для отримання нелінійних регресійних моделей та інтервалів прогнозування застосовано методику побудови нелінійних регресійних моделей на основі одновимірного нормалізуючого перетворення. Для задачі аналізу побудовано дві нелінійні регресійні моделі разом з інтервалами прогнозування з використанням десяткового логарифму у якості нормалізуючого перетворення. В якості предикторів розглядались такі метрики, як: кількість класів та кількість методів. Для однофакторної моделі предиктором слугувала кількість класів, для двофакторної – кількість класів та кількість методів у проекті. Також в роботі для порівняння була використана однофакторна нелінійна регресійна модель, побудована для веб-застосунків, які розроблені з використанням мови Java. Отримані результати дозволяють зробити наступні висновки. При збільшення кількості предикторів, що використовувалися для побудови нелінійних регресійних моделей для прогнозування розміру веб-застосунків, що створюються мовою Python з використанням Django Rest Framework, зросла якість моделі, а саме покращилися значення критеріїв якості та зменшилася ширина інтервалу прогнозування. При спробі застосувати нелінійну регресійну модель, побудовану для веб-застосунків, які розроблені з використанням мови Java, до емпіричних даних із даного дослідження, отримано низькі показники якості та більшу ширину інтервалу прогнозування. Це може слугувати підтвердженням необхідності побудови регресійних моделей для конкретної мови програмування та фреймворку.
dc.description.abstract1Determining the size of the software in the early stages of project work is a common task in the field of software engineering. Using existing models such as, for example, COCOMO, COCOMO II, ISBSG, COSMIC and the size you can predict the effort, cost, duration of the project. Much of the developed projects are web-applications. Python is one of the most popular web development languages. There are several of frameworks exist for its, the most complete and widespread of which is Django Rest Framework. The purpose of the study is to identify the highest quality and reliable nonlinear regression model for predicting the size of web- applications created by Python using Django Rest Framework. To obtain nonlinear regression models and prediction intervals, a technique for building nonlinear regression models based univariate normalizing transformation was used. For the analysis problem two nonlinear regression models with the prediction intervals using a decimal logarithm as a normalizing transformation were build. There was considered as predictors of such metrics: the number of classes and the number of methods. The number of classes served as a predictor for a single-factor model, the number of classes and the number of methods in the project served as a predictors for a two-factor model. A single-factor nonlinear regression model, built for web-applications, which was designed using the Java, was also used in comparison. The results obtained allow you to draw the following conclusions. With the increasing number of predictors, used to construct nonlinear regression models to predict the size of web- applications created by Python using Django Rest Framework, the quality of the model is increased, namely the quality criteria became better and the width of the prediction interval is decreased. When trying to apply a nonlinear regression model built for web- applications, which are developed using the Java, to empirical data from this study, low quality and greater width of the prediction interval was obtained. This is a confirmation of the need to build regression models for each programming language and framework.
dc.description.provenanceSubmitted by Лидия Макарова (lidiia.makarova@nuos.edu.ua) on 2024-05-31T10:43:36Z workflow start=Step: reviewstep - action:claimaction No. of bitstreams: 1 2023 6_2023_print.pdf: 2381975 bytes, checksum: 223bac962a39df7eb1878c7fbc8a800a (MD5)en
dc.description.provenanceStep: reviewstep - action:reviewaction Approved for entry into archive by Ірина Бондар(iryna.bondar@nuos.edu.ua) on 2024-10-01T06:30:27Z (GMT)en
dc.description.provenanceStep: editstep - action:editaction Approved for entry into archive by Ірина Бондар(iryna.bondar@nuos.edu.ua) on 2024-10-01T06:36:19Z (GMT)en
dc.description.provenanceStep: finaleditstep - action:finaleditaction Approved for entry into archive by Ірина Бондар(iryna.bondar@nuos.edu.ua) on 2024-10-01T06:36:53Z (GMT)en
dc.description.provenanceMade available in DSpace on 2024-10-01T06:36:53Z (GMT). No. of bitstreams: 1 Makarova5.pdf: 2381975 bytes, checksum: 223bac962a39df7eb1878c7fbc8a800a (MD5) Previous issue date: 2023en
dc.identifier.issn2663-5941 (Print)
dc.identifier.issn2663-595X (Online)
dc.identifier.urihttps://eir.nuos.edu.ua/handle/123456789/8835
dc.language.isouk
dc.relation.ispartofseriesУДК ; 004.412:519:237.5
dc.subjectоцінювання розміру програмного забезпечення
dc.subjectнелінійна регресійна модель
dc.subjectнормалізуюче перетворення
dc.subjectрозробка програмного забезпечення
dc.subjectвеб-застосунок
dc.subjectPython
dc.subjectDjango Rest Framework
dc.subjectestimation of software size
dc.subjectnonlinear regression model
dc.subjectnormalazing transformation
dc.subjectsoftware development
dc.subjectweb application
dc.titleПорівняльний аналіз нелінійних регресійних моделей для прогнозування розміру веб-застосунків, що створюються мовою Python з використання Django Rest Framework
dc.title.alternativeComparative analysis of nonlinear regression models to predict the size of web applications created in Python using the Django Rest Framework
dc.typeArticle

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Makarova5.pdf
Розмір:
2.27 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
4.38 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Статті (ПЗАС)