ML笔记：机器学习中经常所说的鲁棒性

在机器学习领域，总是看到“算法的鲁棒性”这类字眼，比如这句--L1范数比L2范数鲁棒。

Huber从稳健统计的角度系统地给出了鲁棒性3个层面的概念：

1. 模型具有较高的精度或有效性，这也是对于机器学习中所有学习模型的基本要求；
2. 对于模型假设出现的较小偏差，只能对算法性能产生较小的影响； 主要是：噪声（noise）   
3. 对于模型假设出现的较大偏差，不可对算法性能产生“灾难性”的影响；主要是：离群点（outlier）   

参考作者：https://blog.csdn.net/zhouxinxin0202/article/details/79915873