Un problema fundamental de la economía de la ingeniería de software es la productividad. En este sentido, una medida de productividad del software es la velocidad de entrega. La predicción de la productividad del software es útil para determinar actividades correctivas, así como para identificar alternativas de mejora. Un tipo de mantenimiento de software es la mejora. En este documento, proponemos un algoritmo de ingeniería de software basado en análisis de datos llamado método de búsqueda basado en construcción de características (SMFC) para predecir la velocidad de entrega de proyectos de mejora de software. El SMFC pertenece al paradigma de aprendizaje automático minimalista, y como tal siempre genera un modelo bidimensional. A diferencia de los métodos habituales de análisis de datos, el SMFC incluye un procedimiento de entrenamiento algorítmico original, en el que se consideran tanto las variables independientes como las dependientes para la transformación. El rendimiento de la predicción de SMFC se compara con el de la regresión estadística, las redes neuronales, la regresión de vectores de soporte y la regresión difusa. Para hacer esto, se utilizaron siete conjuntos de datos de proyectos de mejora de software obtenidos del Grupo Internacional de Normas de Benchmarking de Software (ISBSG) Lanzamiento 2017. El método de validación es la validación cruzada de dejar uno fuera, mientras que los residuos absolutos se han elegido como medida de rendimiento. Los resultados indican que el SMFC es estadísticamente mejor que la regresión estadística. Este hecho representa una clara ventaja a favor del SMFC, ya que los otros dos métodos no son estadísticamente mejores que el SMFC.