基于蛻變關系的貝葉斯分類器測試數據集生成器的設計與實現

賈明華　徐月　王曉東

摘要：蛻變測試方法是一種科學有效的軟件測試方法，數據集的生成是人們一直以來的研究重點，本文提出了一種基于蛻變關系的貝葉斯分類器測試數據集生成器。該工具首先將數據集作為輸入;其次，依次按照不同的蛻變關系對數據集進行蛻變;最后，輸出各個衍生的數據集。該工具實現了針對貝葉斯分類器的測試數據集生成器，提高了貝葉斯分類器測試數據的生成效率，并解決了數據集數量少且質量不高問題。

關鍵詞：蛻變關系;貝葉斯分類器;數據集生成器

中圖分類號：TP18 文獻標識碼：A 文章編號：1007-9416（2019）05-0166-02

0 前言

隨著智能化軟件的普遍應用，機器學習應用程度越來越廣。機器學習是人工智能技術的重要研究領域，機器學習算法為模式識別、生物信息學、計算機語言學等許多領域提供了核心功能。構建準確度高的分類、預測或聚類機器學習模型是機器學習研究的核心目標之一。隨著機器學習算法應用在金融、自動駕駛、工業控制等領域越來越普遍的應用，基于機器學習的程序模塊已成為軟件系統的核心組件，這對機器學習程序的安全性和可靠性提出了更高的要求，必須測試和驗證基于機器學習的應用程序，以保證其正確性。而貝葉斯分類算法是一類常見的機器學習方法，對貝葉斯分類器的訓練測試需要大量的數據集，但是數據集常常數據量少并且不符合程序的要求。

貝葉斯分類算法是統計學的一種分類方法，它是一類利用概率統計知識進行分類的算法。在許多場合，樸素貝葉斯（Nave Bayes，NB）分類算法可以與決策樹和神經網絡分類算法相媲美，該算法能運用到大型數據庫中，而且方法簡單、分類準確率高、速度快。首先是貝葉斯網絡分類器的學習，即從樣本數據中構造分類器，包括結構學習和CPT學習。其次是貝葉斯網絡分類器的推理，即計算類結點的條件概率，對分類數據進行分類。[1]其中Naive Bayes、TAN、BAN、GBN就是其中較典型、研究較深入的貝葉斯分類器。隨著貝葉斯分類器應用的逐漸增多，對貝葉斯分類器的訓練測試需要不斷加強，這就需要更加優質的數據集來進行訓練測試，目前大部分數據集都存在數據量少，并且不符合程序的要求質量不高的問題。

1 工具簡介

針對上述提到的一些問題，本文提出了基于蛻變關系的貝葉斯分類器測試數據集生成器。該工具基于蛻變關系，能夠解決數據集數據量少，并且不符合程序的要求質量不高的問題。生成器工具具體包括輸入數據集、蛻變操作、輸出衍生數據集三大功能。用戶通過這個數據集生成器可以將原始數據集輸入，點擊不同的蛻變關系按鈕進行不同的蛻變操作，最后輸出對應的衍生數據集。

2 設計流程

該數據集生成器整體分為三個部分，分別是輸入數據集、蛻變操作、輸出衍生數據集。其中，蛻變操作包括蛻變關系1、蛻變關系2、……、蛻變關系n，設計框架如圖1所示。

輸入數據集是將貝葉斯分類器測試數據集作為文件上傳至數據集生成器工具即可。蛻變操作包括5種蛻變關系，如表1所示。[2]點擊不同的蛻變操作按鈕，進行相應的數據集蛻變操作。MR1是將數據集中第i行和第j行數據記錄的順序進行交換;MR2是在數據集中增加不提供信息的數據特征列;MR3是在將數據集中第p列和第q列數據特征的順序交換;MR4是將數據集中第p列數據特征復制變成新的一列;MR5是將數據集標簽列第r類和第s類的取值互換。輸出衍生數據集是將生成的數據集在工具中進行展示。

貝葉斯分類器測試數據集生成器界面設計如圖2所示。用戶點擊上傳數據，選擇數據集文件即可。選擇相應的蛻變關系，點擊數據生成，即可完成對應的蛻變關系的數據蛻變操作。在右側列表展示了每一種蛻變關系對應的操作內容。用戶可以點擊查看結果彈出衍生數據集所生產的數據文件所在位置彈框。

3 實現方案

3.1 蛻變關系1

MR1是調整數據集中第i行和第j行數據記錄的順序。通過row_content=file.readline（）將數據集中的每一行row_content添加一維數組中，再通過二重循環進行交換任意兩行數據記錄，蛻變后的文件命名為mr1_row_i_j.txt，整個數據集經過蛻變關系1生成的衍生數據集命名為mr1_data，其中包含所有生成的蛻變后的數據集文件。實驗采用隱形眼鏡數據集[3]，它包含了很多患者眼部狀況的觀察條件以及醫生推薦的隱形眼鏡類型，隱形眼鏡的類型包括硬材質、軟材質和不適合佩戴隱形眼鏡。[4]針對實驗采用的隱形眼鏡數據集，由于該數據集共有24行數據記錄，因此生成的mr1_data中共有258個衍生數據集。

3.2 蛻變關系2

MR2是增加數據集中不提供信息的數據特征列。通過split方法將數據集進行切分，循環對每個列間的位置添加無關列形成新的蛻變集，蛻變后的文件命名為mr2_col_i.txt，整個數據集經過蛻變關系2生成的衍生數據集命名為mr2_data。對于隱形眼鏡數據集，由于該數據集有4列數據特征列，因此生成的mr2_data中共有5n個衍生數據集，n指不提供信息的數據特征列的數量。

3.3 蛻變關系3

MR3是調整數據集中第p列和第q列數據特征的順序。方法仍然是通過split方法切分數據集，將我們需要調整的順序定義在順序數組中，通過循環進行每種順序的重組，形成新的蛻變集，蛻變后的文件命名為mr3_col_p_q.txt，整個數據集經過蛻變關系3生成的衍生數據集命名為mr3_data。對于隱形眼鏡數據集，由于該數據集有4列數據特征列，因此生成的mr3_data中共有6個衍生數據集。

3.4 蛻變關系4

MR4是將數據集中第p列數據特征復制。在切分數據集之后得到本數據集的列數n，通過循環將每一列的信息復制一遍添加到本列之后，得到n個不同的蛻變集，蛻變后的文件命名為mr4_p_n.txt，整個數據集經過蛻變關系4生成的衍生數據集命名為mr4_data。對于隱形眼鏡數據集，由于該數據集有4列數據特征列，因此生成的mr4_data中共有20個衍生數據集。

3.5 蛻變關系5

MR5是將數據集標簽列第r類和第s類的取值互換。對于數據集中的每條數據都有它自己的標簽值，將不同類型的標簽進行變換，例如：某數據集中的標簽有兩種，分別是a和b，那么將a換成b，b換成a，這樣蛻變之后的數據集用于測試測試的結果也應該是轉換之后的結果，將切分后的數據集中的標簽列提取出來，如果符合轉換關系，那么對于這一條數據的特征信息不變，標簽列轉化為相應的結果，在這里需要表格記錄蛻變前后的轉換關系，蛻變后的文件命名為mr5_r_s.txt，整個數據集經過蛻變關系5生成的衍生數據集命名為mr5_data。對于隱形眼鏡數據集，由于該數據集有3種數據標簽，因此生成的mr5_data中共有3個衍生數據集。

4 結語

本文通過對基于蛻變關系的貝葉斯分類器測試數據集生成器的研究，實現了一種對貝葉斯分類器測試數據集生成的工具。該工具基于蛻變關系，解決了數據集數據量少，并且不符合程序的要求質量不高的問題。生成的衍生數據集用來對貝葉斯分類器進行訓練，還可以對貝葉斯分類器進行更加有效的測試。

參考文獻

[1] 李蕓.基于貝葉斯信念網絡的數據分類挖掘算法[J].計算機科學，2006，33（9）：157-158.

[2] Xie X ， Ho J W K ， Murphy C ， et al. Testing and validating machine learning classifiers by metamorphic testing[J]. Journal of Systems and Software，2011，84（4）：544-558.

[3] Benoit Julien.： UCI machine learning repository.http：//archive.ics.uci.edu/ml/machine-learning-databases/lenses/ （2013）.Accessed January，2019.

[4] 李銳，等譯.機器學習實戰[M].人民郵電出版社，2103.