大学课程《软件测试技术》PPT教学课件：第6章 软件测试的挑战.pptxVIP

;介绍;目录;6.1机器学习测试;6.1.1 机器学习基本概念;ML系统的关键组件:

数据集:用于构建和评估模型的实例集合。

训练数据:用于训练算法。

验证数据:用于调整算法参数。

测试数据:用于验证模型行为。

学习程序:用于构建和验证ML系统的代码。

框架:如Pytorch、TensorFlow、Scikit-learn、Keras、Caffe等。

实例:记录对象信息的数据片段。特征:用于描述实例的可测量特性。标签:分配给数据实例的值或类别。

测试误差:实际条件与预测条件的差异。

泛化误差:任何有效数据的真实条件与预测条件的期望差值。

模型：经过学习的机器学习工件，对从训练数据、学习程序和框架中训练出来的决策或预测逻辑进行编码。机器学习有不同的类型。

;机器学习的类型和任务;机器学习的典型任务;经典机器学习与深度学习;6.1.2机器学习测试;6.1.3 机器学习测试与传统软件测试的不同;1.测试组件:

-传统测试关注代码中的bug。

-ML测试关注数据、学习程序和框架中的bug。

2.被测行为:

-传统软件行为通常固定。

-ML模型行为可能随时间和数据变化。

3.测试输入:

-传统测试输入是代码的输入数据。

-ML测试输入包括数据和代码。

4.测试预言(TestOracle):

-传统测试有明确的预期输