机器学习中的鲁棒性(Robustness)

鲁棒性(Robustness)维基百科：计算机科学中，健壮性(英语：Robustness)是指一个计算机系统在执行过程中处理错误，以及算法在遭遇输入、运算等异常时继续正常运行的能力。 诸如模糊测试之类的形式化方法中，必须通过制造错误的或不可预期的输入来验证程序的健壮性。很多商业产品都可用来测试软件系统的健壮性。健壮性也是失效评定分析中的一个方面。

　　机器学习中的鲁棒性

　　「鲁棒性」为 Robust 的音译，牛津词典中「Robust」的定义为：

　　Strong and healthy; vigorous.the Caplan family are a robust lot

　　1.1 (of an object) sturdy in construction.‘a robust metal cabinet’

　　1.2 (of a system, organization, etc.) able to withstand or overcome adverse conditions.‘the country’s political system has continued to be robust in spite of its economic problems’

　　1.3 Uncompromising and forceful.‘he took quite a robust view of my case’

　　(of wine or food) strong and rich in flavour or smell.‘a robust mixture of fish, onions, capers and tomatoes’[1]

　　其中，1.2 是我们在科学中使用「Robust」时所采用的含义，即一个系统或组织有抵御或克服不利条件的能力。

　　在机器学习，训练模型时，工程师可能会向算法内添加噪声(如对抗训练)，以便测试算法的「鲁棒性」。可以将此处的鲁棒性理解为算法对数据变化的容忍度有多高。

　　鲁棒性并不同于稳定性，稳定性通常意味着「特性随时间不变化的能力」，鲁棒性则常被用来描述可以面对复杂适应系统的能力，需要更全面的对系统进行考虑。

　　Reference

　　十万个是什么：怎么解释「鲁棒性」?

　　把「robust」翻译为「鲁棒」最早起源于哪里?

　　MBALib 鲁棒性