开发和测试的两大难题：Regression Bug和Late Discovery Bug

最新推荐文章于 2025-08-09 15:57:30 发布
原创 最新推荐文章于 2025-08-09 15:57:30 发布 · 1w 阅读 · 5 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#测试 #单元测试 #build #产品 #工作

Regression Bug是指新特性或修复导致原有功能出错，常见于产品开发中，分为Release Regression和Build Regression。主要原因包括单元测试不足、间接影响和测试环境问题。Late Discovery Bug是测试阶段未发现的Bug，主要由于测试覆盖率限制和个人测试盲区。解决方案包括增强单元测试、控制Bug Reopen率、引入Code Review和自动化测试，以及Ad Hoc测试和交叉测试来减少遗漏。

什么是RegressionBug？Regression Bug，就是由于开发新特性或Fix Bug导致以前正常工作的特性罢工了。这种情况，通常出现在产品的开发中。

 

为了便于分析，Regression Bug又分为Release Regression和Build Regression。

Release Regression指的是和上一个产品版本相比，出现的Bug。

Build Regression的解释就更复杂些。通常开发软件的一个版本的过程中，会有很多Build

最低0.47元/天 解锁文章
冒烟测试（smoke test）、可用性测试（sanity test）和回归测试（regression test）
Criss@陈磊
09-07 4344
在测试领域，冒烟测试（smoke test）、可用性测试（sanity test）和回归测试（regression test）彼此之间很相似，范围也有重叠，所以比较容易混淆：都是在需求变更或问题修改后对系统全面测试之前的一种预测试，都是为了发现是否在界面和代码层面引入了问题。 我们可以用一个和河流相关的类比来更好的理解它们之间的差别，在类比之前，我们先了解下这几个测试的简单定义： Smoke Testing: 测试新特性有关的所有方面 (广度) ，但不深入，用以判断我们是否需要执行进一步的测试 Sanit
AR 滤镜开发：人脸关键点检测与 3D 贴图
热门推荐
优快云博客专家，系统架构师，有合作、疑惑请私信博主。
05-22 2万+
AR 滤镜开发：人脸关键点检测与 3D 贴图 ，人工智能，计算机视觉，大模型，AI，随着增强现实（AR）技术的快速发展，AR 滤镜在社交娱乐领域得到了广泛应用。从抖音、快手等短视频平台上的各种趣味滤镜，到微信、Snapchat 中的创意特效，AR 滤镜以其独特的趣味性和交互性吸引了大量用户。而人脸关键点检测与 3D 贴图作为 AR 滤镜开发中的核心技术，它们的实现原理和应用方式值得深入探究。通过人脸关键点检测，能够精准定位人脸上的关键部位，如眼睛、嘴巴、鼻子等。
Smoke test,Sanity test,Regression test之间的区别
jishublog
09-14 1578
在测试领域，冒烟测试（smoke test）、可用性测试（sanity test）和回归测试（regression test）彼此之间很相似，范围也有重叠， 所以比较容易混淆：都是在需求变更或问题修改后对系统全面测试之前的一种预测试，都是为了发现是否在界面和代码层面引入了问题。 我们可以用一个和河流相关的类比来更好的理解它们之间的差别，在类比之前，我们先了解下这几个测试的简单定义： Smoke...
iOS开发——RegressionBug和RegressionTest浅析
乞力马扎罗的雪CYF的博客
10-25 2880
RegressionBug就是由于开发新特性或修复bug导致以前正常工作的功能出现bug的情况。常常出现在开发中。RegressionBug又分为Release Regression和Build Regression. 1.Release Regression指的是和上一个产品版本相比，出现的bug。 2.Build Regression通常在开发软件的一个版本过程中，会有很多的Build，通
模式识别与机器学习基础之1-一个简单的回归问题(regression problem)
Harry的专栏
01-07 4538
声明：本文由英文原版“Pattern Recognition and Machine Learning”翻译而来，文中的插图均为原书的配图，只为学习目的。 这里介绍一个简单的回归问题(regression problem)，在下文中利用这个例子讲解几个关键的概念。假如，我们观察到一个实数(real-valued)输入变量x，期望利用观察到的这个变量预测这个实数的实数目标变量t。就以目前的目的
regression
qq_38016957的博客
06-30 697
构建模型步骤： Step1：选择模型 Step2：样本 Step3：迭代（梯度下降） 技巧： 多类的回归 overfitting Regularization正则化 （1）lambda的选择 Step1：选择模型 线性y=wx或者其他 Step2：样本 （1）样本带入模型： （2）Loss Function： 真实值和预测值的误差： （3）选择最好的参数： Step3：迭代 梯度下降 ...
【机器学习】详解回归（Regression）
高朗的博客
09-20 2110
回归问题
python划分训练集和测试集_python机器学习：如何划分训练集和测试集
weixin_39775029的博客
11-26 4274
今天用一个实例给大家写写在机器学习中如何进行训练集和测试集的划分。实例操练首先导入今天要使用的数据集import pandas as pddf = pd.read_csv("carprices.csv")df.head()这是一个汽车销售的数据集，里面的变量包括汽车里程、使用年限、销售价格。我们今天要做的就是用汽车里程、使用年限来建立一个预测销售价格的机器学习模型。首先，我们画图看一看数据关系im...
GloVe词向量：原理详解及用python进行训练和应用GloVe
最新发布
数据知道的博客
08-09 6982
GloVe模型摘要： GloVe是一种结合全局统计与局部上下文的词向量学习方法。它通过构建词共现矩阵捕获词汇间的统计规律，并设计加权损失函数优化词向量表示。核心思想是将词向量点积与共现概率相关联，使用权重函数平衡高低频词对的影响。相比Word2Vec，GloVe能更好地利用全局信息，在低频词处理上表现更优。实践部分介绍了两种实现方式：使用gensim库训练小型自定义模型，以及加载预训练的大规模GloVe模型。该方法虽存在内存消耗大、静态表示等局限，但在语义保持和训练效率方面具有优势。
回归（regression）
weixu22的博客
07-13 7217
1. 回归（regression） 1.1 起源与定义 回归最早是被高尔顿提出的。他通过研究发现：如果父母都比较高一些，那么生出的子女身高会低于父母的平均身高；反之，如果父母双亲都比较矮一些，那么生出的子女身高要高于父母平均身高。他认为，自然界有一种约束力，使得身高的分布不会向高矮两个极端发展，而是趋于回到中心，所以称为回归。 目前，从用法角度将其定义为一种数值（scalar）预测的技术，区别于分类（类别预测技术）。 1.2 不同的用法 1.2.1 解释（Explanation） 回归可用于做实证研究，研究
一文彻底搞懂机器学习 - 回归（Regression）
Everly_的博客
12-05 9611
***matplotlib高次项（如平方项、立方项等）非线性关系****。**********如何实现多项式numpymatplotlib**三、******正则化线性回归（）************正则化线性回归类型****有哪些？************如何实现****并进行可视化？matplotlib。
回归测试（Regression Test）
蜗牛爬过的痕迹
05-12 3968
从年前开始做一个产品新build的regression测试，因为是第一次接触产品，之前没有时间去了解功能，着实花了很多时间，连续加班半个月，还是有点累人的。在这里总结一下这大半个月的工作，从中学到知识得到成长。51Testing软件测试网P4{结合实践，我希望对regression有更加透彻的理解，以帮助日后的工作：51Testing软查了一些资料，先从原理来理解。Regress的英语
也谈低级bug引来的悲伤：你能一眼看出下面的bug所在吗？
程序媛想事儿
03-08 7122
哪个程序员的生命中没出现过几个低级bug呢？这些bug真是折磨的我们痛苦不已，但同时也加深了与code的感情。 比如昨天，作为一个还算细心的程序媛（@程序媛敏敏）也被一个低级bug摧残的连自己的节日都没好好过。 看下面的code，你说说会输出多少个“Alexia”呢？
BUG管理办法
yclfdn2004的专栏
02-23 1630
hi,all       为减少客户端BUG数量，提高完全解决BUG的效率，现做提出如下规定:       1、需求理解到位:每次需求发布后，客户端会组织会议共同讨论需求点(包括任务task\排期\实现方案\可行性\流程)，保证精准达到需求。       2、大的需求功能，负责开发的人员需要说明技术方案。团队要做方案的review，以防止做完以后可能出现的坑。       3、自测的问题是
testbug
diaoliwei2的专栏
06-25 404
test’”测试
机器学习之回归(Regression)再理解
DRZ_2000的博客
03-02 1万+
文章目录一 前言引入1. 回归定义及应用场景2. 解决步骤3. 过拟合和解决方法二 回归问题再理解1. 问题提出2. 问题解决三 结束语 一 前言引入 1. 回归定义及应用场景    我们知道机器学习的过程其实就是一个找函数的过程，通过不断的训练我们最终得到一个函数映射，给定函数(网络)一个输入，函数(网络)会给出相应输出，若输出的是一个数值(scatter)，我们可以将这一类机器学习的问题称为回归问题(Regression)举例如下：    上图中第一个例子为股票指数预测，函数输入为今天的股票数据信息，
李宏毅《机器学习》丨2. Regression（回归）
AXYZdong的博客
06-15 968
Datawhale组队学习，李宏毅《机器学习》Task2. Regression（回归）。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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