ML筆記：機器學習中常常所說的魯棒性

在機器學習領域，老是看到「算法的魯棒性」這類字眼，好比這句--L1範數比L2範數魯棒。算法 Huber從穩健統計的角度系統地給出了魯棒性3個層面的概念：機器學習 模型具備較高的精度或有效性，這也是對於機器學習中全部學習模型的基本要求； 對於模型假設出現的較小誤差，只能對算法性能產生較小的影響； 主要是：噪聲（noise）    對於模型假設出現的較大誤差，不可對算法性能產生「災難性」的影響；主要是

>>阅读原文<<