MAE和R-squared不能用于评估鲁棒性，因其对异常值敏感且仅反映拟合精度而非稳定性；应通过加噪扰动、子采样及系数漂移分析来检验模型在数据退化下的性能稳定性。
MAE 和 R-squared 本身不是鲁棒性指标，直接用它们评估鲁棒性会误导结论——因为两者对异常值极度敏感，尤其 R-squared 在存在离群点时可能剧烈波动甚至变负，而 MAE 虽比 MSE 稍稳，仍不具备抗干扰能力。
真正评估回归模型鲁棒性，得看它在扰动、子采样或异常污染下的性能稳定性，而不是单次干净测试集上的点估计值。
为什么不能只靠 MAE 和 R_squared 判断鲁棒性
这两个指标反映的是拟合精度，不是稳定性：
– R_squared 基于残差平方和与总离差平方和之比，只要一个强离群点就能让分母失真、分子暴增，导致值跳变；
– MAE 是绝对误差均值，虽不放大误差，但无法区分「系统性偏差」和「随机噪声」，更看不出模型是否被少数样本主导。
常见错误现象：训练集 R_squared=0.92，加入 5% 人工噪声后掉到 0.41，但开发者没做扰动测试，误以为模型可用。
用扰动测试替代单点指标：加噪 + 多次重评估
核心思路是模拟现实数据退化场景，观察指标变化幅度。关键不是“值多高”，而是“值多稳”。
推荐做法：
– 对测试集 X_test 添加三档噪声：np.random.normal(0, 0.01, X_test.shape)（轻）、0.05（中）、0.1（重）；
– 每档重复 10 次，每次生成新噪声，计算对应 MAE 和 R_squared；
– 记录每档的 MAE 标准差与 R_squared 极差（max - min），若中噪声下 R_squared 极差 > 0.25，说明模型脆弱；
– 注意：必须用同一套 y_test 对齐预测，避免标签扰动引入额外方差。
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
RANSACRegressor 与 HuberRegressor 的鲁棒性对比实操
不同鲁棒回归器对同一扰动的响应差异很大，直接对比能暴露本质问题：
– RANSACRegressor：依赖 residual_threshold，默认值常不适用；建议设为 np.median(np.abs(residuals)) * 1.4826（即 MAD）；
– HuberRegressor：关键参数 delta 控制损失函数拐点，默认 1.35 针对标准正态，但业务数据往往更胖尾；金融类任务建议从 0.7 起调；
– 实操验证：在同一加噪测试集上分别跑两个模型，比较其 MAE 波动率（std / mean）；通常 HuberRegressor 波动更小，但 RANSACRegressor 对高比例离群（>30%）更可靠；
– 别漏掉 baseline：同时跑普通 LinearRegression，它的 MAE 波动率往往是另外两个的 2–3 倍。
子样本稳定性检验：比指标更底层的判断方式
指标再花哨，也掩盖不了模型是否被个别样本绑架。最直白的办法是抽子样本看系数漂移：
– 用 sklearn.utils.resample 对训练集做 50 次 bootstrap（放回抽样，size=原训练集 80%）；
– 每次拟合 HuberRegressor，记录截距和各特征系数；
– 绘制系数分布直方图，若某特征系数 95% 置信区间宽度 > 其均值绝对值的 40%，说明该变量贡献不稳定；
– 特别注意：如果某个特征（如“用户年龄”）的系数在 50 次中从 -0.3 跳到 +1.8，哪怕平均 R_squared 看着还行，这个模型也不能上线。
真实项目里最容易被忽略的，是把「扰动强度」和「业务可接受偏差」对齐。比如加噪标准差设为 0.1，但原始特征尺度是 [0, 100]，那其实只扰动了 0.1%，远低于业务中常见的录入误差（±2%）。不按实际量纲校准扰动，所有鲁棒性测试都只是数字游戏。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
