fuzz 的时候可以用。。。
至于什么自己根据需求来生成测试用例之类的就有点扯淡了。。
但在一些小范围的地方，的确可以使用机器学习来辅助，但这类场景都很少很少

另外赞同楼上说的：机器学习本质是概率的东西，测试是一个需要评判对错的工作

这种场景的话，openCV 就可以实现需求了
强行硬上 SVM，感觉有点舍近求远的感觉

从来都只用 xpath 的人路过，倒是 cssSelector 一点都不会

要入门，直接去 coursera 上学一遍 andrew ng 的 ML 入门课程就可以了
进一步的话，andrew ng 还有 DL 的课程可以让你学校
另外 linear algebra 也需要学习呀，网易课堂就可以了。

从工程应用的角度来说，玩人工智能并不需要太多的数学知识，毕竟大多数时间都在调参什么的
如果搞学术的话，就必须要学好学习啦

咦，终于有开始分享人工弱智的资料啦~
期待更多人工弱智在测试流程中的应用干货

那可不可以换个思路，根据目前的经验，开发出 bug 的概率都是有一定规律可行的，那么可以通过每个开发过往的 bug 数量，然后来预测项目的 bug 数量?

额，个人觉得用 CSS 和 XPATH 其实没有太大的区别，如果你要说 XPATH 效率慢的话，那自动化本身就不是一个讲效率的东西，也没必要为那一两秒的时间去计较。
在 Webdriver 的源代码里面，即使是通过 By.id 去定位某个元素，在源代码里面也会有一个补充的地方，如果通过 By.id 没有 get 到元素，那么也会用一次 XPATH 再查一次。
至于 JD 商城的那个 case，其实用 CSS 和 XPATH 本质都是一样的，都是通过元素属性去定位的，CSS 不太懂，但我更多时候用 xpath 是为了顺便检查一下页面有没有变形之类的，通过这种方法来间接使脚本也做了一次 UI 的检查。

但是用 CSS 和 XPATH，这两个东西并没有错，看个人喜好就行。

加油，其实 coursera 上 Andrew Ng 的课是最简单的，看完还可以去网易公开课看看 Andrew 的公开课，属于进阶版
另外也不要想的那么复杂，机器学习在工程应用方面对数学的要求并没有那么高
难就难在调参，这是一门玄学

100*100,彩色 RGB，所以 feature 有 100*100*3
训练一次的话 ，因为我在虚拟机上跑的，可能时间不太准确，但是 1 一分钟之内是肯定可以搞定的

明白你的问题
其实我在做这个工具的时候，其实我是会在大量数据上做自测的，自测数据量占总样本的 20%～30%
在这里我主要是要提一个思路以及实现，所以在文章里面跳过了 cross validation 这一步而已，直接训练完就去验证结果了，还有一个特殊点是，我这里的场景其实并不复杂，无非就是选择插件拍照保存输入，有很多细节或者特征是可以固定的，所以可以做到绝对 100% 全对