我们目前运行 SQL 报告来提取测试执行输出，以便我们可以查看测试的成功程度，然后对要添加到我们的回归套件中的测试做出有根据的猜测。
但是，这很耗时，因为它需要有人检查所有数据并做出某些假设。
我的任务是研究使用人工智能来筛选数据的可能性，并想知道是否有人尝试过以及他们是如何实施的。
【问题讨论】：
标签： sql testing artificial-intelligence regression-testing
我不确定这是否可行，但您可以使用开箱即用的 Python scikit-learn
就这么简单：
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 是您在单独条目中的文本，每条记录的整个输出
target 是你事先找到的，不管它是否应该包含在某处
other_data 是您要测试的内容
但请注意，以上只是一个模型，我不保证我的所有方法名称都是正确的。阅读请关注scikit-learn's doku，相当昂贵但内容丰富的书籍，例如Building Machine Learning Systems with Python on Packt，还有很多其他免费的blogs like this machinelearningmastery.com
【讨论】：