Definição de critérios de teste baseados em árvores de decisão para algoritmos de aprendizagem de máquina (2024)
- Authors:
- Autor USP: SANTOS, SEBASTIÃO HENRIQUE NASCIMENTO - ICMC
- Unidade: ICMC
- Sigla do Departamento: SSC
- DOI: 10.11606/D.55.2024.tde-06012025-164548
- Subjects: APRENDIZADO COMPUTACIONAL; SOFTWARES; INTELIGÊNCIA ARTIFICIAL
- Keywords: Árvore de decisão; Critério de teste; Decision tree; Machine learning; Software testing; Test criteria
- Agências de fomento:
- Language: Português
- Abstract: A aprendizagem de máquina é uma área da inteligência artificial que emprega o princípio de indução para obter conclusões genéricas a partir de um conjunto particular de exemplos previamente conhecidos. Amplamente utilizada nas últimas décadas, soluções com aprendizagem de máquina já existem nos domínios de detecção de objetos, condução de veículos autônomos e diagnóstico de câncer. Porém, ainda existem diversas incertezas na sua utilização que impõem barreiras na sua adoção, como problemas nos conjuntos de dados, bias, robustez e segurança. O teste de software é uma atividade dinâmica com o intuito de executar um programa e verificar se seu comportamento está de acordo com o esperado. Características específicas das soluções com aprendizagem de máquina, como o processo de indução de hipótese e o não determinismo, impossibilitam a aplicação das técnicas de teste de software tradicionais. Para enfrentar essas limitações, nesta pesquisa foram desenvolvidos novos critérios de teste de software com Aprendizagem de Máquina baseado no modelo de árvore de decisão. São propostos os critérios de Cobertura de Árvore de Decisão (CAD) e Análise de Valor Limite (AVL) como abordagens para guiar a criação de dados de teste eficazes para software com AM que se baseiam na estrutura interna do modelo de árvore de decisão. Foram conduzidos dois estudos experimentais utilizando conjuntos de dados públicos e bem conhecidos para avaliar os critérios. Os resultados do experimento mostraram que osdois critérios podem ser utilizados para gerar dados de teste eficazes.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2024
- Data da defesa: 30.08.2024
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
SANTOS, Sebastião Henrique Nascimento. Definição de critérios de teste baseados em árvores de decisão para algoritmos de aprendizagem de máquina. 2024. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-06012025-164548/. Acesso em: 29 dez. 2025. -
APA
Santos, S. H. N. (2024). Definição de critérios de teste baseados em árvores de decisão para algoritmos de aprendizagem de máquina (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-06012025-164548/ -
NLM
Santos SHN. Definição de critérios de teste baseados em árvores de decisão para algoritmos de aprendizagem de máquina [Internet]. 2024 ;[citado 2025 dez. 29 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-06012025-164548/ -
Vancouver
Santos SHN. Definição de critérios de teste baseados em árvores de decisão para algoritmos de aprendizagem de máquina [Internet]. 2024 ;[citado 2025 dez. 29 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-06012025-164548/ - Test data selection based on applying mutation testing to decision tree models
- On using decision tree coverage criteria for testing machine learning models
- Advancing test data selection by leveraging decision tree structures: an investigation into decision tree coverage and mutation analysis
- An experimental study on applying metamorphic testing in machine learning applications
Informações sobre o DOI: 10.11606/D.55.2024.tde-06012025-164548 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
