このセクションの内容:

はじめに

Machine Learning フローは、DTP の 機械学習機能 が作成した、修正する静的解析違反の予測データを表示するウィジェットを提供します。

要件

• アーティファクトは DTP 2021.1 にインストールできます。
• C/C++test、dotTEST、Jtest 2020.1 からの静的解析レポートがサポートされています。 

インストール

Machine Learning フローは Process Intelligence Pack の一部としてインストールされます。詳細については Process Intelligence Pack のインストール手順 を参照してください。Process Intelligence Pack をインストールした後、DTP 環境にウィジェットとレポートをデプロイします。 

1. まだインストールしていない場合は、Process Intelligence Pack をインストールしてください。
2. Extension Designer を開き、[サービス] タブをクリックします。
3. Process Intelligence Engine サービス カテゴリを展開します。アセットはどのサービス カテゴリにもデプロイできますが、Parasoft のアセットのカテゴライズに合うように Process Intelligence Engine カテゴリを使用することを推奨します。[カテゴリの追加] をクリックして独自のサービス カテゴリを作成することもできます (詳細については「サービスの使用」を参照)。 
4. 既存のサービスにアーティファクトをデプロイするか、新しいサービスを追加できます。サービスにデプロイしたアーティファクトの数は、全般的なパフォーマンスに影響します。詳細については「Extension Designer のベスト プラクティス」を参照してください。既存のサービスを選択し、ステップ 6 まで継続するか、または  [サービスの追加] をクリックします。
5. サービスの名前を指定して [確認] をクリックします。
6. タブ化されたインターフェイスは、サービス内でアーティファクトを配置するのに役立ちます。複数のタブにまたがってアーティファクトを配置してもシステムのパフォーマンスには影響しません。タブをクリックし (または [+] ボタンをクリックして新しいタブを追加し)、縦の三点メニューをクリックします。
7. [読み込み] > [Local] > [Flows] > [Workflows] > [Process Intelligence] > [Machine Learning] を選択し、空いている任意の箇所をクリックしてサービスにアーティファクトを追加します。
   
8. [デプロイ] をクリックし、DTP 環境へのアーティファクトのデプロイを完了します。
9. DTP に戻ってダッシュボードをリフレッシュします。これで、関連するウィジェットを追加できるようになりました。

ウィジェットの追加と構成

アーティファクトをデプロイした後、以下のウィジェットが DTP の Machine Learning カテゴリから利用できるようになります。

• Violations - Fix Action Prediction - Bar Chart (Large) 
• Violations - Fix Action Prediction - Bar Chart (Medium) 
• Violations - Fix Action Prediction - Bar Chart (Small)
• Violations - Fix Action Prediction - Pie
• Violations to Fix - Percentage

ダッシュボードにウィジェットを追加する方法については「ウィジェットの追加」を参照してください。

Violations - Fix Action Prediction - Bar Chart (Large)

このウィジェットは、機械学習機能によって計算されたものと同じ信頼性ファクターを持つ違反のグループを表示します。

グラフの各棒は、修正アクションが割り当てられた違反のグループを表します。Y 軸は、線形スケールまたは対数スケールのいずれかでターゲット ビルドの違反の数を示します (「構成」を参照)。X 軸は、最も低いものから最も高いものへと、予測の信頼性を示します。グラフの左側に最も近い X 軸の棒は、信頼性ファクターが低いことを表します。グラフの右側に向かって、棒の信頼性ファクターは増加します。    

アクション

棒にマウス ポインターを合わせると、予測されたアクション、信頼性の値、および予測が適用される違反の数を確認できます。このウィジェットは他の DTP インターフェイスにリンクしていません。 

構成 

以下の設定を行うことができます。

Violations - Fix Action Prediction - Bar Chart (Medium)

このウィジェットには、Violations - Fix Action Prediction - Bar Chart (Large) ウィジェットと同じ情報と構成が含まれていますが、よりコンパクトなグラフ (3X1) になっています。

ウィジェットのサイズの詳細については「ダッシュボード グリッド」を参照してください。 

Violations - Fix Action Prediction - Bar Chart (Small)

このウィジェットには、Violations - Fix Action Prediction - Bar Chart (Large) ウィジェットと同じ情報と構成が含まれていますが、よりコンパクトなグラフ (2X1) になっています。

ウィジェットのサイズの詳細については「ダッシュボード グリッド」を参照してください。 

Violations - Fix Action Prediction - Pie

このウィジェットには、機械学習機能が修正アクションを割り当てた違反の数と、確認する必要のある違反の数が表示されます。情報は、プレーンテキスト値と同様に円グラフとしてレンダリングされます。違反は、しきい値に基づいて、「修正」または「レビュー」として予測されます。詳細については「Probability Threshold」を参照してください。 

アクション

円グラフの一部にマウス ポインターを合わせると、予測されたアクションの数、信頼性の値、および予測が適用される違反の数を確認できます。このウィジェットは他の DTP インターフェイスにリンクしていません。 

構成

Violations to Fix - Percentage

このウィジェットには、機械学習機能が修正アクションを割り当てた違反の割合が表示されます。違反は、しきい値に基づいて、「修正」または「レビュー」として予測されます。詳細については「Probability Threshold」を参照してください。 

アクション

このウィジェットは他の DTP インターフェイスにリンクしていません。 

構成

確率のしきい値

機械学習機能は、予測の計算に使用される予測モデルを構築するときに、違反にさまざまな値を割り当てます。割り当てられる値のひとつは、0 から 1 までの数値である確率メトリクスです。1 に近い値の違反には、正しいアクション (修正または抑制) が割り当てられる可能性が高くなります。逆に、0 に近い値の違反では、正しいアクションが割り当てられる可能性が低くなります。予測アクションを計算するための内部メトリクスを確認するためのインターフェイスはありません。

Violations - Fix Action Prediction - Pie および Violations to Fix - Percentage  ウィジェットを使用すると、ウィジェットで違反をレンダリングするためのしきい値を設定できます。これにより、修正が必要な違反を決定するために、より厳しい条件を適用できます。たとえば、予測は違反に対して次の値を返す場合があります。

violationActionPredication: {
	"label":"Fix",
	"probability":0.6512625803274749
	}

確率のしきい値が .5 に設定されている場合、ウィジェットは [修正] グループに違反を含めます。しかし、確率のしきい値が .7 に設定されている場合、ウィジェットは [レビュー] グループに違反を含めます。