According to Zhou et al. [19], comp

According to Zhou et al. [19], complexity can be defined with the
Weighted Method Count (WMC) metric1 and the executables
Lines Of Code (LOC) metric. These two metrics are indicators of
problematic classes, which are classes presenting potential
maintenance challenges. Note that WMC and LOC are closely
related; they show a Pearson’s correlation of 94% for this project.
They are still used in conjunction to exclude potentially
descriptive classes with low complexity (WMC) but large number
of LOC.
Extraction of WMC and LOC metrics enables the ordering of each
class of the project from the largest to the smallest. Figure 3 and
Figure 4 show Pre-ID and Post-ID classes, along with the Pareto
distribution for the LOC and the WMC metrics respectively.
Pareto formula is presented in equation (1). The α parameter
defines the shape while the xm parameter defines the scale. The
Pareto distribution parameters closest to the observation
distributions are presented in Table 2.

ผลลัพธ์ (ไทย) 1:

ตามโจว et al. [19], ความซับซ้อนสามารถกำหนดด้วยการMetric1 วิธีการนับ (WMC) ถ่วงน้ำหนักและ executablesบรรทัดของรหัส (LOC) วัด วัดที่สองเหล่านี้เป็นตัวบ่งชี้ของชั้นเรียนที่มีปัญหา ซึ่งเป็นคลานำศักยภาพความท้าทายของการบำรุงรักษา หมายเหตุว่า WMC และล็อคอย่างใกล้ชิดที่เกี่ยวข้อง พวกเขาแสดงสหสัมพันธ์ของเพียร์สัน 94% สำหรับโครงการนี้พวกเขาจะยังคงใช้ร่วมอาจแยกอธิบายเรียนต่ำความซับซ้อน (WMC) แต่จำนวนมากของ LOC.แยกวัด WMC และล็อคช่วยให้ลำดับของแต่ละชั้นโครงการจากใหญ่ที่สุดไปน้อยที่สุด รูปที่ 3 และรูปที่ 4 แสดงรหัสก่อนและรหัสหลังเรียน พร้อมกับ Paretoกระจายทำเลสะดวกและวัด WMC ตามลำดับสูตร Pareto แสดงในสมการ (1) พารามิเตอร์ด้วยกองทัพกำหนดรูปร่างในขณะที่พารามิเตอร์ xm กำหนดมาตราส่วน ที่Pareto กระจายพารามิเตอร์ใกล้เคียงกับการสังเกตการกระจายจะแสดงในตารางที่ 2

ผลลัพธ์ (ไทย) 2:

ตามที่โจวเอตอัล [19] ซับซ้อนสามารถกำหนดมี
จำนวนวิธีถ่วงน้ำหนัก (WMC) metric1 และ executables
บรรทัดของรหัส (LOC) ตัวชี้วัด ทั้งสองตัวชี้วัดที่เป็นตัวชี้วัดของ
การเรียนที่มีปัญหาซึ่งเป็นชั้นเรียนที่มีศักยภาพในการนำเสนอ
ความท้าทายในการบำรุงรักษา โปรดทราบว่า WMC และ LOC เป็นอย่างใกล้ชิด
ที่เกี่ยวข้อง พวกเขาแสดงให้เห็นความสัมพันธ์ของเพียร์สัน 94% สำหรับโครงการนี้.
พวกเขาจะยังคงใช้ร่วมที่จะไม่รวมที่อาจเกิดขึ้น
ในชั้นเรียนบรรยายกับความซับซ้อนต่ำ (WMC) แต่จำนวนมาก
ของ LOC.
สกัด WMC และตัวชี้วัด LOC ช่วยให้การสั่งซื้อของแต่ละ
ชั้นของโครงการ จากใหญ่ไปเล็ก รูปที่ 3 และ
รูปที่ 4 แสดง Pre-ID และการเรียนการโพสต์ประจำตัวประชาชนพร้อมกับ Pareto
จำหน่าย LOC และตัวชี้วัดตามลำดับ WMC.
สูตร Pareto จะนำเสนอในสมการ (1) พารามิเตอร์α
กำหนดรูปร่างในขณะที่ XM พารามิเตอร์กำหนดขนาด
พารามิเตอร์กระจาย Pareto ใกล้เคียงกับการสังเกต
การกระจายถูกนำเสนอในตารางที่ 2

ผลลัพธ์ (ไทย) 3:

ตาม Zhou et al . [ 19 ] ความซับซ้อนสามารถกำหนดด้วย
นับวิธีถ่วงน้ำหนัก ( WMC ) metric1 และ executables
สายรหัส ( loc ) ตัวชี้วัด สองคนนี้เป็นวัดที่ตัวบ่งชี้
เรียนที่มีปัญหา ซึ่งเป็นชั้นการนำเสนอศักยภาพ
การบำรุงรักษาความท้าทาย ทราบว่า WMC และ loc อย่างใกล้ชิด
ที่เกี่ยวข้อง พวกเขาแสดงเป็นค่าสัมประสิทธิ์สหสัมพันธ์ของเพียร์สันที่ 94 %
สำหรับโครงการนี้พวกเขายังใช้ในการอธิบายอาจรวมชั้นเรียนที่มีความซับซ้อนน้อย

( WMC ) แต่ตัวเลขขนาดใหญ่ของ Loc .
การสกัด WMC และที่ตั้งวัด ช่วยสั่งซื้อของแต่ละ
ชั้นของโครงการจากใหญ่ไปเล็ก รูปที่ 3 และรูปที่ 4 แสดง
ID และ ID ก่อนประกาศชั้นเรียน พร้อมกับกระจาย Pareto
สำหรับ loc และ WMC
วัดตามลำดับ