测试种类以及区别和联系

其实,如果有人直接问你测试的种类有哪些的话,这样的问题是够。。。的。因为测试的种类按照不同的属性或者说划分角度,划分的是不同的。
比如说:

1.按测试的阶段分类

   软件测试可分为单元测试、集成测试,系统测试和验收测试。

单元测试:针对每个单元的测试, 以确保每个模块能正常工作为目标。(多为开发人员自己进行)
集成测试:对已测试过的模块进行组装,进行集成测试。目的在于检验与软件设计相关的程序结构问题。
确认(有效性)测试:是检验所开发的软件能否满足所有功能和性能需求的最后手段。有的划分方法中,也将确认测试合并入系统测试中。
系统测试:检验软件产品能否与系统的其他部分(比如,硬件、数据库及操作人员)协调工作。
验收(用户)测试:检验软件产品质量的最后一道工序。主要突出用户的作用,同时软件开发人员也应有一定程度的参与。
验收测试可以分成Alpha测试和Beta测试。
Alpha测试是由用户在开发环境下完成的测试,Beta测试是由用户在用户环境下完成的测试。

2.按照软件质量模型6大特性分类
 
   软件测试可分为功能测试、可靠性测试、易用性测试、效率测试(性能测试)、可维护性测试、可移植性测试。

功能测试: 功能测试(Functional Testing)也叫黑盒测试或者数据驱动测试只需要考虑各个功能
                   不需要考虑整个软件的内部结构及代码。一般从软件产品的界面、架构出发按照需求编
                   写出来的测试用例输入数据在预期结果和实际结果之间进行评测进而提出更加使产品
                   达到用户使用的要求。

性能测试:性能测试是通过自动化的测试工具模拟多种正常、峰值以及异常负载条件来对系统的
                  各项性能指标进行测试。
                  负载测试和压力测试都属于性能测试两者可以结合进行。
                  通过负载测试确定在各种工作负载下系统的性能目标是测试当负载逐渐增加时
                  系统各项性能指标的变化情况。
                  压力测试是通过确定一个系统的瓶颈或者不能接收的性能点来获得系统提供的最大
                  服务级别的测试。

 比较:     举个栗子:你做了一桌饭菜,现在我来测试,你的饭菜能不能吃,就属于功能测试;而你的饭菜在什么情况下够几个人吃、怎么吃,就是属于性能测试了。

3. 按是否关注代码分黑盒测试、白盒测试

4. 按照是否手动执行自动化测试和手工测试

假设检验二分类问题在概念、目的、方法等方面存在区别,也有一定联系。 ### 区别 - **概念与目的**:假设检验是先对总体参数或分布提出某种假设,然后利用样本信息判断假设是否成立,以推断总体特征,属于统计推断范畴。例如,检验某种新药的疗效是否显著优于旧药。二分类问题则是将样本数据划分到两个类别中,是机器学习的分类任务,目的是构建分类模型来预测新样本的类别,像判断一封邮件是垃圾邮件还是正常邮件[^1]。 - **方法与流程**:假设检验通常先提出原假设备择假设,确定显著性水平,计算检验统计量,再根据统计量临界值或p值来判断是否拒绝原假设。二分类问题需要收集预处理数据,选择合适的分类算法(如逻辑回归、决策树等),用训练数据训练模型,最后用测试数据评估模型性能。 - **输出结果**:假设检验的结果是对原假设的判断,即拒绝或不拒绝原假设。二分类问题的输出是具体的类别标签。 ### 联系 - **数据基础相同**:两者都依赖于样本数据进行分析。无论是假设检验还是二分类问题,都需要从总体中抽取样本,通过对样本的研究来推断总体或进行分类预测。 - **概率思想相通**:假设检验基于小概率事件原理,当样本出现的概率小于显著性水平时,拒绝原假设。二分类问题在分类过程中也会用到概率,如逻辑回归模型会输出样本属于某个类别的概率,根据概率大小进行分类。 - **可相互辅助**:在二分类问题中,可以使用假设检验来评估模型的性能。例如,通过假设检验判断模型的准确率是否显著高于随机分类的准确率。在假设检验中,也可以利用二分类模型的思想对样本进行初步筛选或分组。 ```python # 简单的逻辑回归二分类示例 from sklearn.linear_model import LogisticRegression from sklearn.datasets import make_classification from sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_score # 生成二分类数据 X, y = make_classification(n_samples=1000, n_features=10, n_informative=5, n_redundant=0, random_state=42) # 划分训练集测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # 创建逻辑回归模型 model = LogisticRegression() # 训练模型 model.fit(X_train, y_train) # 预测 y_pred = model.predict(X_test) # 计算准确率 accuracy = accuracy_score(y_test, y_pred) print(f"模型准确率: {accuracy}") ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值