魯棒性
魯棒性字面上理解可以認爲是健壯性，健壯性可以認爲是更好，更加抗風險的
因此是
1.模型具有較高的精度或有效性，這也是對於機器學習中所有學習模型的基本要求；
2.對於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）
3.對於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：離羣點（outlier）
泛化能力
在機器學習方法中，泛化能力通俗來講就是指學習到的模型對未知數據的預測能力。在實際情況中，我們通常通過測試誤差來評價學習方法的泛化能力。如果在不考慮數據量不足的情況下出現模型的泛化能力差，那麼其原因基本爲對損失函數的優化沒有達到全局最優。