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。