如何使用AI分析測試執行輸出（SQL輸出）以設計迴歸套件？

我們目前運行SQL報告來提取測試執行輸出，以便我們可以查看一次測試的成功程度，然後對應將哪些測試添加到我們的迴歸套件中做出有根據的猜測。如何使用AI分析測試執行輸出（SQL輸出）以設計迴歸套件？

然而，這是非常耗時的，因爲它需要有人瀏覽所有數據並做出某些假設。

我的任務是研究使用人工智能篩選數據的可能性，並想知道是否有人嘗試過這種方法以及它們是如何實現的。

來源

2017-02-16 Scott

如果輸出是可重複的某種程度上，而不是太大，我建議一個神經網絡與文本分析連接。 –

如果您對實施有任何建議，將不勝感激，即所使用的軟件，一步一步的指導。 – Scott

我不知道這是否會做，但你可以使用外的開箱Python的scikit學習

這很簡單，只要：

from sklearn.feature_extraction.text import TfidfVectorizer 
from sklearn.neural_network import MLPClassifier 
from sklearn.pipeline import Pipeline 
import pandas as pd 
####DATA PREP## 
data = pd.read_csv('filepath') 
#Forgot the target xD 
# target = pd.read_csv('target_data_filepath') 
target = data.target #If target is in data 
other_data = pd.read_csv('filepath_other') 
###MAKE MODEL## 
tfidf_vect = TfidfVectorizer() 
mpl_class = MLPClassifier() 
pipe = Pipeline([('Tfidf Vectorizer', tfidf_vect),('MLP Classifier', mlp_class)] 
pipe.fit(data, target) #remove target from data beforehand if applies 
####PREDICT### 
pipe.predict(other_data)

data是你的文字在單獨的條目，每一條記錄

target整體輸出是你事先發現了什麼，閹應該某處或不包括

other_data是你想測試的

但要小心，上面只是一個模型，我不能保證我有所有的方法名稱正確。對於閱讀只需按照scikit-learn's doku，相當昂貴，但廣泛的書籍，如Building Machine Learning Systems with Python on Packt和很多很多其他免費blogs like this machinelearningmastery.com

來源

2017-02-16 10:27:52

感謝你們 - 我開始調查的一些有用資源 – Scott

如何使用AI分析測試執行輸出（SQL輸出）以設計迴歸套件？

回答

相關問題