基于不變量的機器學習算法分析

寧一璇

(浙江理工大學 信息學院，杭州311121)

0 引 言

近年來，人工智能與機器學習技術已經越來越成熟，已經滲透到人們生活的方方面面。例如，圖像識別、無人駕駛等領域。伴隨著智能技術的發展，人們對于機器學習程序高質量的需求日益增加，但現階段對機器學習算法的分析與理解不足，并且傳統的軟件測試方法和評價標準也并不適用機器學習算法［1］。如何分析機器學習算法，已成為亟待解決的問題。

目前對機器學習進行質量分析，主要集中在以下幾種方法:

（1）提高數據集質量。如Chakarov等人［2］提出PSI工具。認為對于分類任務，訓練集中的錯誤會導致大量的分類錯誤。

（2）測試訓練好的模型。如Groce等［3］提出了WYSIWYT／ML框架，幫助終端用戶測試機器學習系統。

（3）利用蛻變測試方法，來測試機器學習程序代碼。如Xie等人［4］嘗試用蛻變測試來進行機器學習程序的測試。但從算法上對機器學習進行質量分析的研究甚少。

程序不變量常被用于追蹤軟件缺陷［5］、硬件錯誤［6］和軟件評估［7］。在程序運行時，能夠反映程序代碼在整個運行過程中，具有不變性質的邏輯斷言。不僅如此，還可以反映程序數據結構等各方面的信息，在程序的設計、測試等各方面都發揮著巨大的作用［8］。因此，可以將程序不變量用于機器學習算法的質量分析。

基于此，本文提出了基于不變量的機器學習算法分析。該分析方法將程序不變量與關鍵變量篩選提取方法相結合，通過對不同參數輸入下的機器學習算法進行程序不變量的生成，然后對生成得到的不變量集合進行關鍵變量的提取，進而對機器學習算法進行分析。……