[发明专利]基于机器学习的测试结果分析方法及装置

说明书

本申请实施例提供一种基于机器学习的测试结果分析方法及装置，也可用于金融领域，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；本申请能够准确、便捷得分析测试结果，节约核对交易结果的成本，同时也无需测试人员了解程序逻辑。

技术领域

本申请涉及机器学习领域，也可用于金融领域，具体涉及一种基于机器学习的测试结果分析方法及装置。

背景技术

随着现在业务架构转型，主机下平台测试的业务场景越来越多，每笔交易去手工核对测试结果，耗时较久。在测试人员成熟度较低的情况下，测试结果核对任务更加艰巨。目前采取常用做法是自动化测试断言交易结果输出值与预期值比对，或者覆盖程序逻辑去检查结果。

发明人发现，由于交易测试结果可能涉及多张表多个字段核对，对业务测试人员要求极高，手工核对成本也高，且断言交易结果输出值未包含影响交易结果的关键字段，不能完全覆盖交易测试结果检查。同时也要求测试人员熟悉代码逻辑，增加了测试成本。

发明内容

针对现有技术中的问题，本申请提供一种基于机器学习的测试结果分析方法及装置，能够准确、便捷得分析测试结果，节约核对交易结果的成本，同时也无需测试人员了解程序逻辑。

为了解决上述问题中的至少一个，本申请提供以下技术方案：

第一方面，本申请提供一种基于机器学习的测试结果分析方法，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。

进一步地，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。

进一步地，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。

进一步地，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。

第二方面，本申请提供一种基于机器学习的测试结果分析装置，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；