1
Amy 原创整理｜资料核验：2026-10-31
scikit-learn的HuberRegressor是一种带L2正则化的线性回归。它按经过尺度参数调整的残差，在平方损失与绝对值损失之间切换，让大残差样本的影响受到限制；这些样本仍参与训练，并非被直接删除。
一个容易漏看的限制：模型会估计目标残差的尺度sigma，但这不等于替输入X的每个特征做缩放。特征量纲的问题仍要在数据处理阶段单独考虑。
Amy的实验建议：在固定验证集上与普通线性回归比较，并查看被outliers_标出的样本是否存在录入或测量问题。该标记只是模型按残差规则作出的判断，不能直接当成“数据一定错误”的证据。是否改善结果需要用自己的数据验证。
官方来源：
https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.HuberRegressor.html