什么是鲁棒性和泛化能力？

最近在看智能计算系统课程。对于老师提到的鲁棒性和泛化能力这两个词，我的个人理解如下：

打个比方：小A同学是全才，不偏科，所有课程学的都还不错：小B同学是偏科人才，只有个别课程极好。那么现在你作为老师，有一门新的课程任务需要布置给他们中的一个，希望他能把这个课程学好，你会布置给谁？

我想大多数人会选择布置给小A。为什么？因为小A不偏科更稳定，更大概率将这门新的课程学好。

类比到智能计算系统中，小A就是鲁棒性较好，小B就是鲁棒性较差；也可以说小A的泛化能力更强，小B的的泛化能力更差。

任何智能化技术，都是为了解决未知结果的问题，而已知的结果是用来训练模型，也就是常说的训练集，训练集越大训练出来的模型越可靠，这个大的训练集又有一个时髦的名词–大数据。在电商平台的智能推荐中，这个训练集是你的个人信息和消费行为，比如：性别、年龄、消费的品类、价格等。电商平台在既有的海量消费者的数据基础上，训练他们的智能推荐模型，假设基于已有的8000w（已知）用户的数据来训练了一个模型，然后将这个模型推广到平台上，服务2亿用户，也就是说将会有1亿2000w（未知）的用户的消费行为是不清楚的，有的只是他们的个人基本信息，要实现大多数的准确推荐，也就是在考验这个智能推荐系统的鲁棒性（泛化能力）的好坏。

总之，鲁棒性和泛化能力是一个意思，都是用来衡量系统的稳健程度，系统越稳健，鲁棒性和泛化能力就越强。也可以将鲁棒性和泛化能力强理解为：不容易出特别大的差错、大概率是对的等。