Sharma, Arnab (2023) Testing of machine learning algorithms and models. PhD, Universität Oldenburg.

Preview

Volltext (1467Kb)

Abstract

Auf maschinellem Lernen (ML) basierende Softwaresysteme werden zunehmend in verschiedenen Anwendungen eingesetzt. In vielen dieser Anwendungen hat ML-Software außergewöhnliche Leistungen gezeigt, aber auch katastrophale Ausfälle. In dieser Arbeit stellen wir Testansätze vor, mit denen bestimmte Anforderungen überprüft werden können, wobei die gesamte Pipeline von ML-Systemen berücksichtigt wird. Zu diesem Zweck haben wir zunächst die Lernalgorithmen und dann die ML-Modelle getestet. Für die Lernalgorithmen haben wir zunächst eine Eigenschaft vorgeschlagen und dann einen metamorphen Testansatz vorgestellt, um sie zu testen. Für das Testen von ML-Modellen haben wir einen Testansatz entwickelt, der als eigenschaftsgesteuertes Testen bezeichnet wird, um ML-Modelle auf eine benutzerspezifische Eigenschaft zu testen, die beim Testen verschiedener Eigenschaften für verschiedene Arten von ML-Modellen verwendet wird.

["eprint_fieldname_title_plus" not defined]

Testen von Algorithmen und Modellen für Maschinelles Lernen

["eprint_fieldname_abstract_plus" not defined]

Machine learning (ML) based software systems are increasingly being used in several application domains. In many of those areas, ML software has shown exceptional performances, however, it has also shown catastrophic failures. Therefore, it is necessary to ensure that the desired requirements for these type of software are met. In this thesis, we present testing approaches to check for specific requirements, considering the entire pipeline of the ML systems. To this end, we first considered testing the learning algorithms and then the learned models. For the learning algorithms, we first proposed a property, called balanced data usage, and then presented a metamorphic testing approach to test it. Next for testing ML models, we proposed a testing approach to test any given ML model for a user-specified property. We termed this property-driven testing approach which is used in testing diverse properties on different types of ML models.

Item Type:	Thesis (PhD)
Uncontrolled Keywords:	Black-Box-Test, Metamorpher Test, Machine-Learning-Modell, Machine-Learning-Algorithmen
Subjects:	Generalities, computers, information > Computer science, internet
Divisions:	School of Computing Science, Business Administration, Economics and Law > Department of Computing Science
Date Deposited:	15 Dec 2023 09:11
Last Modified:	18 Dec 2023 09:13
URI:	https://oops.uni-oldenburg.de/id/eprint/5927
URN:	urn:nbn:de:gbv:715-oops-60087
DOI:
Nutzungslizenz:

Actions (login required)

View Item