![[PukiWiki]](image/ibisforest.png "[PukiWiki]")
入力されるデータが理想的な状態からやや乖離していても，理想的であったときと同等の出力ができる性質．
統計と機械学習ではやや使われ方が違うように思う．
統計では，モデルが仮定する分布と，実際のデータの分布の違いについて考察されることが多いと思う． 例えば，線形回帰のノイズは正規分布に従うと仮定されている．分布のすその重さなどが理想と違っても，出力される回帰直線にはあまり変化はなく頑健といえる． しかし，分布の対称性の仮定が成立しないと，出力は大きく影響され，頑健ではないといえる．
機械学習では，はずれ値や欠損値がない理想的な状態とは違うデータに対して，同じ結果が得られるという意味で使われることが多い．すなわち，ほぼロバスト推定をするのとほぼ同じ意味．
-- しましま
