[发明专利]基于机器学习的测试结果分析方法及装置

权利要求书

1.一种基于机器学习的测试结果分析方法，其特征在于，所述方法包括：

从原始测试结果集中采集多个样本数据并有回放的随机抽样组成测试结果训练集；

根据所述测试结果训练集中样本数据的数据类型不同进行分类后对所述测试结果训练集进行样本数据预处理，得到经过所述样本数据预处理后的测试结果训练集；

将所述测试结果训练集中的样本数据进行随机特征抽取后构建得到随机森林模型，并根据所述随机森林模型得到目标测试结果。

2.根据权利要求1所述的基于机器学习的测试结果分析方法，其特征在于，所述对所述测试结果训练集进行样本数据预处理，得到经过所述样本数据预处理后的测试结果训练集，包括：

对所述测试结果训练集中的样本数据进行初始化，得到样本数据矩阵；

对所述样本数据矩阵进行欧式距离计算后，根据欧式距离计算结果中的至少一个最小欧式距离对应的样本数据的权重值，对所述样本数据进行缺失值填充处理，得到经过缺失值填充后的测试结果训练集。

3.根据权利要求1所述的基于机器学习的测试结果分析方法，其特征在于，在所述构建得到随机森林模型之后，在所述根据所述随机森林模型得到目标测试结果之前，还包括：

根据预设网络搜索算法按照设定步长依次对所述随机森林模型进行参数调整，确定设定参数范围内精度最高的最优参数为所述随机森林模型的参数。

4.根据权利要求3所述的基于机器学习的测试结果分析方法，其特征在于，所述确定设定参数范围内精度最高的最优参数为所述随机森林模型的参数之后，还包括：

根据预设交叉验证算法确定各所述测试结果训练集的准确率平均值，将最大准确率平均值对应的测试结果训练集的参数组合确定为最优参数。

5.一种基于机器学习的测试结果分析装置，其特征在于，包括：

测试结果训练集构建模块，用于从原始测试结果集中采集多个样本数据并有回放的随机抽样组成测试结果训练集；

测试结果训练集预处理模块，用于根据所述测试结果训练集中样本数据的数据类型不同进行分类后对所述测试结果训练集进行样本数据预处理，得到经过所述样本数据预处理后的测试结果训练集；

随机森林分析模块，用于将所述测试结果训练集中的样本数据进行随机特征抽取后构建得到随机森林模型，并根据所述随机森林模型得到目标测试结果。

6.根据权利要求5所述的基于机器学习的测试结果分析装置，其特征在于，所述测试结果训练集预处理模块包括：

样本数据初始化单元，用于对所述测试结果训练集中的样本数据进行初始化，得到样本数据矩阵；

缺失值填充单元，用于对所述样本数据矩阵进行欧式距离计算后，根据欧式距离计算结果中的至少一个最小欧式距离对应的样本数据的权重值，对所述样本数据进行缺失值填充处理，得到经过缺失值填充后的测试结果训练集。

7.根据权利要求5所述的基于机器学习的测试结果分析装置，其特征在于，所述随机森林分析模块包括：

网络搜索单元，用于根据预设网络搜索算法按照设定步长依次对所述随机森林模型进行参数调整，确定设定参数范围内精度最高的最优参数为所述随机森林模型的参数。

8.根据权利要求5所述的基于机器学习的测试结果分析装置，其特征在于，所述随机森林分析模块包括：

交叉验证单元，用于根据预设交叉验证算法确定各所述测试结果训练集的准确率平均值，将最大准确率平均值对应的测试结果训练集的参数组合确定为最优参数。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至4任一项所述的基于机器学习的测试结果分析方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至4任一项所述的基于机器学习的测试结果分析方法的步骤。