K-NN과 최대 우도 추정법을 결합한 소프트웨어 프로젝트 수치 데이터용 결측값 대치법 = A Missing Data Imputation by Combining K Nearest Neighbor with Maximum Likelihood Estimation for Numerical Software Project Data

국문 초록 (Abstract)

소프트웨어 프로젝트 데이터를 이용한 각종 분석·예측 모델 생성시 직면하는 문제 중 하나는 데이터에 포함된 결측값이며 이에 대한 효과적인 방안은 결측값 대치법이다. 대표적인 결측값 대치법인 K 최근접 이웃 대치법은 대치과정에서 결측값을 포함하는 인스턴스의 관측정보를 활용하지 못한다는 단점이 있다. 본 연구에서는 이러한 단점을 극복하기 위해 K 최근접 이웃 대치법과 최대 우도 추정법을 결합한 새로운 소프트웨어 프로젝트 수치 데이터용 결측값 대치법을 제안한다. 또한 결측값 대치법의 정확도를 비교하기 위한 새로운 측도를 함께 제안한다.

다국어 초록 (Multilingual Abstract)

Missing data is one of the common problems in building analysis or prediction models using software project data. Missing imputation methods are known to be more effective missing data handling method than deleting methods in small software project data. While K nearest neighbor imputation is a proper missing imputation method in the software project data, it cannot use non-missing information of incomplete project instances. In this paper, we propose an approach to missing data imputation for numerical software project data by combining K nearest neighbor and maximum likelihood estimation; we also extend the average absolute error measure by normalization for accurate evaluation. Our approach overcomes the limitation of K nearest neighbor imputation and outperforms on our real data sets.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 배경 지식: 결측 메커니즘(missingness mechanism)
• 3. 관련 연구
• 4. K-NN과 MLE 결합에 의한 결측값 대치
• 5. 사례 연구
• 6. 결론 및 향후 연구
• 참고문헌

참고문헌 (Reference)

1 Roderick J. A. Little, "Statistical Analysis with Missing Data" John Wiley & Sons 1987

2 Kevin Strike, "Software Cost Estimation with Incomplete Data" 27 (27): 890-908, 2001

3 Anthony J. Hayter, "Probability and Statistics for Engineers and Scientists, 3rd Ed." Thomson Higher Education 2007

4 Donald B. Rubin, "Multiple imputation for nonresponse in surveys" John Wiley & Sons 1987

5 Taghi Khoshgoftaar, "Multiple Imputation of Missing Values in Software Measurement Data" 1 (1): 1-12, 2007

6 Frank Wilcoxon, "Individual Comparisons by Ranking Methods" 1 (1): 80-83, 1945

7 M. H. Cartwright, "Dealing with Missing Software Project Data" 154-165, 2003

8 Bhekisipho Twala, "Comparison of Various Methods for Handling Incomplete Data in Software Engineering Databases" 105-114, 2005

9 Ingunn Myrtveit, "Analyzing Data Sets with Missing Data: An Empirical Evaluation of Imputation Methods and Likelihood-Based Methods" 27 (27): 999-1013, 2001

10 Qinbao Song, "A new imputation method of small software project data sets" 80 (80): 51-62, 2007

11 Jason Van Hulse, "A comprehensive empirical evaluation of missing value imputation in noisy software measurement data" 81 (81): 691-708, 2008

12 Qinbao Song, "A Short Note on Safest Default Missingness Mechanism Assumptions" 10 (10): 235-243, 2005