抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
今日,統計的機械学習はデータマイニング,画像認識および自動駆動のような様々な領域で広く採用されている。しかし,機械学習のためのソフトウェア品質保証はまだその幼児期にある。最近の努力は訓練データと訓練されたモデルの品質を向上させてきたが,本論文は機械学習アルゴリズムの実装におけるコードレベルのバグに焦点を合わせた。本研究では,いくつかの分類アルゴリズムのWeka実装により,プログラムバグをシミュレートした。論理的に非等価な実行可能な突然変異体の8%~40%が,それらのゴールドバージョンと統計的に区別できないことを観察した。さらに,突然変異体の他の15%~36%は,少なくとも1つの自然データセットにおいて,参照分類器よりも有意に悪くなかったので,研究された。著者らは,これらの突然変異体を殺すためのいくつかのアプローチについても実験した。予備結果は,機械学習コードにおけるバグがロバスト性や学習曲線のような統計的性質に負の影響を持つ可能性があるが,効果的オラクルの欠如のために検出するのは非常に困難である可能性があることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】