• 前面有个帖子讨论过 Gompertz 模型在缺陷发现趋势拟合及预测的相关内容：https://testerhome.com/topics/10381
• 休假浪了几天回来，一打开社区就看到这个用机器学习做测试的帖子，深深的表示自己跟不上节奏了：https://testerhome.com/topics/10592

对比一下，我觉得用一个单纯的函数曲线来预测缺陷还是比不上机器学习的：

• Gompertz 模型只能预测缺陷数量的走势，至于缺陷落入哪些模块甚至代码块是无法预知的，而机器学习是可以的，因为特征数据可以细化；
• Gompertz 模型在计算的时候，需要人力、团队能力、需求量等保持稳定，否则预测精度比较差，十分不方便，而机器学习可以通过自动采集这些新的指标数据（只要能够认真录入过程管理工具），就可以随时重算；
• 运算效率还是跟不上诸如 Spark ML 这些框架；
• ML 能够有比较自由的模型选择，而 Gompertz 充其量只能算是其中一个（其实至少目前并不是）；
• 目前炒的很热的精准测试，我觉得没有 ML 的支持，都是伪精准，我看过几个产品介绍，基本都是靠手动建立映射关系再去衡量测试覆盖率，傻得不行——如果从变更集自动向外遍历查找功能点又太低效，而且耦合性分辨不清，唯有使用 ML（就像经典的 pair-wise 算法）反复训练，才能让精准测试变得真正精准起来。

我查了一下，网上有几篇相关的论文，一篇是南大的硕士论文，一篇是中科院软件研究所的论文，印象比较深刻，说明我们摸索那么久，学院派早就在很远的前方等着我们了~

SO……大家知道有类似的商用或者开源产品做这个的么？如果没有，我可就要创业了