标签: estimation

设置场景 - 我在那些喜欢估计和跟踪几乎所有事情的行业中工作.我们的一个关键指标是SLOC(源代码行 - 声明性和可执行语句).我们将其用于项目规模和成本估算,项目规划以及许多其他方面.我们尝试用它来比较苹果和苹果(即,我们不将一种语言/域中的SLOC与另一种语言/域中的SLOC进行比较). 注意:我们不会根据此指标评估各个开发人员,也不会仅因为SLOC与预期不同而调用错误或错误.我们做,不过,考虑一个项目有更多的SLOC可能也有更多的bug.

最近,我开始研究使用库代替组件的项目,否则这些组件将被手工编码 - 例如JSF而不是JSP,Hibernate而不是JDBC等等.所以...而不是编写代码行,我们的团队正在开发XML文件.XML映射仍然需要付出努力,并且复杂性仍然存在模糊关联 - 在给定项目中,如果将这些XML配置文件中的100倍更多,可能会表明创建需要花费更多精力,并且调试可能比仅使用项目更复杂1/100的XML文件.

那么......有没有人有任何关于测量这些XML配置文件大小的建议？元素数量？#elements + #properties？别的什么？

估计任何特定任务将花费多长时间似乎是软件开发中最困难的部分之一.在我目前的商店,我们在迭代开始时以小时计算任务,但是一旦任务完成,我们不会在未来的估算中使用它来帮助我们.

您如何使用从过去的估算中收集的信息来改进未来的估算？

什么提示我的问题是杰夫阿特伍德的这篇文章,以及Dare Obasanjo的这篇文章.在我看来,可能至少有一些领域的第三方功能比自定义代码更好.

例如,日志记录应该始终是第三方吗？加密怎么样？还是搜索？

我期待着大家对此的反馈.

编辑:此问题假定日志记录,加密和/或搜索不是您的核心业务.

在估算任务时,如何摆脱Hofstadter定律的束缚？

多年来,我一直在为我的项目使用敏捷方法(XP和Scrum),效果很好.但在所有情况下,开发团队的所有成员都100%致力于该项目.

现在,当团队不稳定时,我面临这样做.例如,一次迭代可能有四个人工作,下一个可能只有两个或三个.

我意识到这使得使用正常速度方法很难(或不可能)估计,因为它会波动很大而不稳定.接下来的是,人们真的不希望能够在每次迭代结束时发布.

也许这里需要另一种方法.只需从积压的东西中抓取东西,然后尽可能地混淆和释放.我真的不喜欢那样......

有什么想法吗？

我习惯于以Joel Spolsky建议的方式思考时间估计 - 如果预定项目需要超过16小时,则应将其划分为较小的任务.现在,我正在我的团队中实施Scrum以及基于Story Points的估算.在我看来,一个故事点的好单位将是理想的工时,而不是人日.如果我用了几天,我的大多数问题都会估计为1/2或1.

你有什么想法,为什么在Scrum文献中最常提到使用理想的人日？

我们刚开始在公司做scrum.我们花了一些时间来估算使用计划扑克的努力,然后在详细任务完成后,对每项任务进行时间估算.

我们遇到的问题是时间估计总是错误的(通常估计过高).虽然我们都同意一项努力,让一个团队就任务的时间达成一致意见要困难得多 - 每小时需要1个人可能会花费3个小时.我们最终走到了中间的某个地方.

谁应该提出任务的时间估计以及何时发生？

这只是我们需要更多练习的事情,还是我们做错了？

我有像这样的图像:

在这张图片中,红线是我想从图像中得到的.原始图像没有那条红线,只有那条绿色的道路.

我想要的是以等式的系数来估计图像中的曲线:A x ^ 2 + B x + C = 0.在图像中可能存在噪声(如上所示,边缘上有黑洞).

我试图通过使用最小二乘法(LSM)来解决这个问题,但这种方法存在两个问题:

1. 即使在PC上,该方法也太慢,因为点数量很高.

2. 在下列情况下,道路太宽:

左图像上的曲线被正确识别,但右侧不正确.我想,原因是道路太宽太短.

作为两种情况的解决方案,我想缩小道路.在理想情况下,它是上图中的红线.或者我想使用LSM进行线路检测(A x + B = 0)以优化处理时间.

我试过侵蚀图像 - 这是错误的方法.骷髅也不是正确的解决方案.

关于如何实现预期结果的任何想法(缩小道路)？或者针对这个问题的另一种方法的想法？

我的朋友目前正致力于他的关于时间序列模型参数估计的任务,SARIMAX(季节性ARIMA外生),具有最大似然估计(MLE)方法.他使用的数据是关于2000 - 2012年的月降雨量,印度洋偶极子(IOD)指数作为外生变量.这是数据:

    MONTH YEAR   RAINFALL     IOD
1       1 2000 15.3720526  0.0624
2       2 2000 10.3440804  0.1784
3       3 2000 14.6116392  0.3135
4       4 2000 18.6842179  0.3495
5       5 2000 15.2937896  0.3374
6       6 2000 15.0233152  0.1946
7       7 2000 11.1803399  0.3948
8       8 2000 11.0589330  0.4391
9       9 2000 10.1488916  0.3020
10     10 2000 21.1187121  0.2373
11     11 2000 15.3980518 -0.0324
12     12 2000 18.9393770 -0.0148
13      1 2001 19.1075901 -0.2448
14      2 2001 14.9097284  0.1673
15      3 2001 …

我正在尝试使用R中的speedglm来估计模型.数据集很大(约6988万行和38列).乘以行数和列数导致约27亿,超出整数限制.我无法提供数据,但以下示例重新创建了该问题.

library(speedglm)

# large example that works 
require(biglm)
n <- 500000
k <- 500
y <- rgamma(n, 1.5, 1)
x <- round(matrix(rnorm(n*k), n, k), digits = 3)
colnames(x) <- paste("s", 1:k, sep = "")
da <- data.frame(y, x)
fo <- as.formula(paste("y~", paste(paste("s", 1:k, sep = ""), collapse = "+")))   
working.example <- speedglm(fo, data = da, family = Gamma(log))

# repeat with large enough size to break 
k <- 5000       # 10 times larger than above
x <- round(matrix(rnorm(n*k), …