在機器學習領域，總是看到“算法的魯棒性”這類字眼，比如這句–L1范數比L2范數魯棒。
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：
模型具有較高的精度或有效性，這也是對于機器學習中所有學習模型的基本要求；
對于模型假設出現的較小偏差，只能對算法性能產生較小的影響； 主要是：噪聲（noise）
對于模型假設出現的較大偏差，不可對算法性能產生“災難性”的影響；主要是：離群點（outlier）

正說著話，我忽然見到一位非常漂亮可愛的女生與他們在一起，靈機一動，就轉身對對著漂亮女生，給出了如下的解釋。
（1）穩定性：他是你的男朋友。那么，如果他對周圍晃來晃去的其他年輕漂亮女孩子雖然也動了點心，但把持的住，依然很喜歡你，我們說他對你的感情是穩定的。
（2）魯棒性：也稱為是強壯性、或者穩健性。當他的地位變了，升遷了，發達了，抑或變得與以前大不一樣的時候，他依然還是穩定的：依然很喜歡你，且對周邊年輕漂亮的女孩子把持的住。我們說他對你的感情就是魯棒的（Robust）。
（3）非脆弱性：前面說的都是假定你是堅定的、把感情作為始終不渝的，他的反應。現在，再來一點更厲害的：當你變老了，不再漂亮了，或者遇到不幸的創傷，疾病而變得……，總之情況很糟，或者他發現了你過去可能遭遇到的一段不愉快的歷史等等。甚至更極端地，當你自己有點變心、花心、甚至犯了點錯誤的時候，他若依然是穩定的：依然很喜歡你，且對周邊年輕漂亮的女孩子把持的住。我們說他對你的感情就是非脆弱的的。

穩定性就是指系統抵御外部干擾以保持理想工作狀態的能力；
魯棒性就是系統在內部結構發生擾動的情況下，外部干擾抵御能力的保持能力。或者說是穩定性的強壯性。
當一個系統的穩定性和魯棒性存在一定問題的時候，可以通過附加控制機制來改善這些性質。然而，當控制手段被引入之后，控制手段本身所發生的各種偏差和失誤帶來的不確定性、也就成為系統的又一干擾因素。如何克服由這一新型干擾引起的偏差，就成了所謂的控制系統（控制器）的非脆弱性問題。

總結

以上是生活随笔為你收集整理的稳定性、鲁棒性、与非脆弱性的区别的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。