RANSAC регресия
RANSAC регресията е робустен метод за линейна регресия, въведен от Фишлер и Болс през 1981 г., който напасва модел към вътрешните точки на набор от данни, като същевременно автоматично изключва анормалните стойности. Вместо да напасва всички данни наведнъж, той многократно взема проби от малки подмножества, напасва кандидат-модел и запазва модела, който печели най-голям консенсус от съвпадащи точки.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Fischler, M. A. & Bolles, R. C. (1981). Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography. Communications of the ACM, 24(6), 381-395. DOI: 10.1145/358669.358692 ↗
- Torr, P. H. S. & Zisserman, A. (2000). MLESAC: A New Robust Estimator with Application to Estimating Image Geometry. Computer Vision and Image Understanding, 78(1), 138-156. DOI: 10.1006/cviu.1999.0832 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 1). Random Sample Consensus (RANSAC) Regression. ScholarGate. https://scholargate.app/bg/statistics/ransac-regression
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Регресия на най-малките отрязани квадрати (LTS)Статистика↔ compare
- Метод на най-малките квадрати (МНК)Иконометрия↔ compare
- Квантилна регресияИконометрия↔ compare
- Робастна оценка на ковариацията (MCD)Статистика↔ compare
- Оценител на Theil-SenСтатистика↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →