O Programa de Pós-Graduação em Ciência da Computação promove a defesa da tese “Métodos de Seleção Dinâmica de Regressores com Modelos de Aprendizagem de Máquina para Estimativa de Esforço de Software”, do doutorando José Thiago Holanda de Alcântara Cabral. A apresentação será às 9h da quarta-feira (1º), no auditório do Centro de Informática (CIn), no Campus Recife da UFPE.

O trabalho foi orientado pelo professor Adriano Lorena Inácio de Oliveira. A banca da defesa será composta pelos docentes Renata Maria Cardoso Rodrigues de Souza (UFPE/CIn), Leandro Maciel Almeida (UFPE/CIn), Leandro Minku (Universidade de Leicester/Departamento de Informática), George Gomes Cabral (UFRPE/ Departamento de Estatística e Informática) e Roberta Andrade de Araújo Fagundes (UPE/Escola Politécnica e Pernambuco).

Resumo

Estimativa de esforço é um processo de prevenção do esforço requerido para desenvolver um sistema de software. Com o objetivo de melhorar a acurácia da estimativa, vários modelos vêm sendo propostos na literatura. Múltiplas classificações representam uma importante área de pesquisa para a aprendizagem de máquina, porque superam o uso de classificadores e regressores individualmente em vários problemas. Este trabalho propõe uma seleção dinâmica de modelos heterogêneos, composto por classificadores que selecionam um conjunto de regressores, dinamicamente, para estimar o esforço no desenvolvimento de software. No treinamento dos dados, geramos os modelos de regressão. Os classificadores também são treinados com os dados de validação, afim de identificar o melhor regressor do conjunto de regressores para cada instância. Durante os testes, é fornecido um conjunto de dados e para cada instância um classificador treinado é utilizado para selecionar dinamicamente um regressor do conjunto de previsores de esforço. A prevenção final é fornecida pela combinação das previsões dos regressores selecionados pelos classificadores. Três diferentes maneiras foram avaliadas na combinação dos previsores: média, mediana e a moda. Além dessas combinações, uma seleção dinâmica simples utilizando um único regressor também foi avaliada. Uma análise experimental que envolve um conjunto relevante de dados de problemas de estimativa de esforço em seis experimentos é reportada neste trabalho. Os experimentos demostraram que os métodos propostos alcançaram melhores resultados do que modelos clássicos do estado da arte. Na grande maioria dos experimentos, os métodos propostos superaram estatisticamente os modelos bases, as combinações deles e os métodos de seleção dinâmica conhecidos na literatura.

Mais informações:
Programa de Pós-Graduação em Ciência da Computação
(81) 2126.8430