0
新年第一篇, 先做个机器学习实践总结—几种常见场景下的特征提取方法： 机器学习中最重要的一环就是特征工程，特征工程的好坏直接影响模型的效果，如果做得不好大概率会出现“garbage in,garbage out ”的情况; 特征的提取主要指特征信息的数值化，向量化的过程，下面仅仅根据个人实践经验和理解简要总结常见应用场景下的特征提取方法： 1.特征提取的场景&常见…
1. 问题分析 发布一个子系统到线上，根据测试流程中收集的质量数据 预测其可能的 线上问题数； 2. 模型设计 一般影响子系统质量的因素可能有哪些？ 能获取到多少纬度的数据，取决于各厂的质量大数据平台的数据挖掘能力， 这里，由于本人无实际数据平台，举个样例，纬度不一定齐全 构造的训练数据： https://github.com/margaretmm/AI/blob/master/data_trai…
测试原理 比较适合做回归测试，基于baseline image比对的UI测试 测试工具数据流图 AI能力体现在哪里？ Eyes Sever中提供图片screenshot比对功能， 使用了AI 算法， 只返回2个图片的差异点，包括图像尺寸和位置差异； 用户不用做 图像处理和模型训练，使用很方便 Eggplant AI 的AI智能也是用在图像识别上
智能算法系统如何评估？ 算法模型的评估： 主要衡量模型对未知新数据的预测能力，即泛化能，衡量泛化能力的指标（也叫模型的性能度量）： 1.1 准确率（accuracy） :对于给定的数据集，正确分类的样本数占总样本数的比率。 1.2 精确率（precision）==查准率:对于给定的数据集，预测为正例的样本中真正例样本的比率。 1.3 召回率（ recall）==查全率，对于给定的数据集，预…
1. 问题分析 基于房屋的各种纬度特征，预测房屋价格 2.原始数据扒取 从http://hz.ganji.com/fang5 网站上扒取 杭州市房屋特征数据： ‘Address’:div.find(‘span’,class_=re.compile(‘area’)).text.strip().replace(‘ ‘,”).replace(‘\n’,”), ‘Rooms’: div.find(‘d…