鲁棒性（robustness）是指系统、算法或模型对于外部扰动、异常数据、噪声或意外情况的适应能力。在计算机科学和统计学中，鲁棒性是评估和衡量一个系统或模型在面对干扰情况下的稳定性和性能优劣的指标。
鲁棒性强的系统或模型能够在出现异常情况时仍然保持正常的运行和表现，而不会由于外界的干扰而产生错误或崩溃。它能够忽略或有效处理掉噪声、错误或异常数据，从而保证系统或模型的可靠性和稳定性。
鲁棒性是在实际应用中非常重要的性能指标，因为现实世界中数据往往存在噪声和异常情况。对于机器学习模型来说，具备鲁棒性可以使其对不完美、不准确或不完整的数据表现出较好的适应能力，并能够减少模型出现过拟合或欠拟合的情况。
为了提高鲁棒性，可以采用一些技术手段，例如使用正则化方法、集成学习、数据预处理、异常值检测和处理等。