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

你可能感兴趣的:(Machine,Learning,机器学习)