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。
“鲁棒”的英文是robustness，其是一个特别大的研究领域。最权威的著作当属稳健统计的2本厚书 文献[1]和[2]，有志之士可作研究。
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：
一是：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；
二是：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）
三是：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