ML笔记：机器学习中常常所说的鲁棒性

在机器学习领域，老是看到“算法的鲁棒性”这类字眼，好比这句--L1范数比L2范数鲁棒。算法 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：机器学习 模型具备较高的精度或有效性，这也是对于机器学习中全部学习模型的基本要求； 对于模型假设出现的较小误差，只能对算法性能产生较小的影响； 主要是：噪声（noise）    对于模型假设出现的较大误差，不可对算法性能产生“灾难性”的影响；主要是

>>阅读原文<<