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。
機械学習において,教師つき分類器を用いて,ラベル付きデータを用いて予測関数を推定することにより,ラベル付けされていないデータの予測を得た。監督された分類器は,計算生物学,計算物理学,およびヘルスケアのような領域において,重要な決定を行うために広く適用される。しかし,期待される回答が未知であるため,教師つき分類器をテストすることはしばしば困難である。これは一般的にオラクル問題として知られており,変成試験(MT)はそのようなプログラムを試験するために使用されてきた。MTにおいて,変成関係(MRs)は,試験(SUT)の下でソフトウェアの固有の特性から開発される。これらのMRsを用いて試験データを生成し,試験オラクルの存在なしで試験結果の正当性を検証した。MTの有効性は試験に用いたMRsに大きく依存する。本論文では,教師つき分類器をテストするために複数の以前の研究で使用されてきたMRの故障検出有効性を評価するための広範な経験的研究を行った。本研究では,複数の突然変異エンジンによって生成された709の到達可能な突然変異体を用いて,SUTをテストするために様々な特性を有するデータセットを用いた。著者らの結果は,これらの突然変異体の14.8%だけがMRを用いて検出され,これらのMRsの故障検出有効性が以前の研究で報告されたものと比較したとき,突然変異体の数の増加によってスケールされないことを明らかにした。Copyright 2019 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】