宁一璇

(浙江理工大学 信息学院，杭州311121)

0 引 言

近年来，人工智能与机器学习技术已经越来越成熟，已经渗透到人们生活的方方面面。例如，图像识别、无人驾驶等领域。伴随着智能技术的发展，人们对于机器学习程序高质量的需求日益增加，但现阶段对机器学习算法的分析与理解不足，并且传统的软件测试方法和评价标准也并不适用机器学习算法［1］。如何分析机器学习算法，已成为亟待解决的问题。

目前对机器学习进行质量分析，主要集中在以下几种方法:

（1）提高数据集质量。如Chakarov等人［2］提出PSI工具。认为对于分类任务，训练集中的错误会导致大量的分类错误。

（2）测试训练好的模型。如Groce等［3］提出了WYSIWYT／ML框架，帮助终端用户测试机器学习系统。

（3）利用蜕变测试方法，来测试机器学习程序代码。如Xie等人［4］尝试用蜕变测试来进行机器学习程序的测试。但从算法上对机器学习进行质量分析的研究甚少。

程序不变量常被用于追踪软件缺陷［5］、硬件错误［6］和软件评估［7］。在程序运行时，能够反映程序代码在整个运行过程中，具有不变性质的逻辑断言。不仅如此，还可以反映程序数据结构等各方面的信息，在程序的设计、测试等各方面都发挥着巨大的作用［8］。因此，可以将程序不变量用于机器学习算法的质量分析。

基于此，本文提出了基于不变量的机器学习算法分析。该分析方法将程序不变量与关键变量筛选提取方法相结合，通过对不同参数输入下的机器学习算法进行程序不变量的生成，然后对生成得到的不变量集合进行关键变量的提取，进而对机器学习算法进行分析。……