回帰を作成する機械学習

私は、ブラックボックステストのための機械学習を使用して、テストケースまたは回帰スイートを生成する上で最良の技術が何であるかを研究しています。

以前に研究した人や助けることができる人はいましたか?

ベストアンサー

この問題については、ニューラルネットワークの概念を適用することができます。アルゴリズムを訓練するために使用するデータの量に応じて、機械学習アプリケーションの精度が左右されますのみを考慮する必要があります。

これを行うには、問題を正式化する必要があります。 NNは、 rel=”nofollow
noreferrer”>分類の問題
を解決することを目的としています。これは、通常、特定のクラス “に移動します。

さあ、クラス “この特定の変更の回帰に適したテスト”
定義できます。

これで正しいと思われる入力と出力からなるトレーニングセットを準備する必要があります。ここでの主な問題の1つは、入力をどのように形式化するかです。

トレーニング中は、基本的にネットワークに多数の電車データ入力を提供します。各エントリは、次のものを表します。

変更の正式な表現(コード化された変更の回帰クラスに適合するテストの正式な表現で連結されたいくつかの正式なプロパティ、フラグ、数値などに
“変更”を分解しなければならない)その特定の電車のデータ入力。

したがって、データは次のようになります。

CHNG_PROP1, CHNG_PROP2, .., CHNG_PROPN, TEST_PROP1, TEST_PROP2, .., TEST_PROP_N, GOOD_FOR_REGR
some_val,some_val,..,some_val,,some_val,,some_val,..,some_val,Y
some_val,some_val,..,some_val,,some_val,,some_val,..,some_val,N
some_val,some_val,..,some_val,,some_val,,some_val,..,some_val,N
some_val,some_val,..,some_val,,some_val,,some_val,..,some_val,Y
...
some_val,some_val,..,some_val,,some_val,,some_val,..,some_val,Y

次に、いくつかの新しい変更のために:

  • 新しい変更とすべてのテストを、トレーニングセットと同じようにプロパティ、フラグ、数値などのセットに分割します。
  • 新しい変更とテストのそれぞれについて、NNを実行します。

NN gives you the answers in terms of probability so you
will get the list of probabilities (one for each test) saying how
well the particular test fits your problem.

次に、あなたは3つ以上の確率を生み出すテストを受け、それで回帰セットが構築されます。

返信を残す

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です