RANSAC-Regression
RANSAC-Regression ist eine robuste lineare Regressionsmethode, die 1981 von Fischler und Bolles eingeführt wurde und ein Modell an die Inlier-Punkte eines Datensatzes anpasst, während Ausreißer automatisch ausgeschlossen werden. Anstatt alle Daten auf einmal anzupassen, werden wiederholt kleine Teilmengen abgetastet, ein Kandidatenmodell angepasst und das Modell beibehalten, das den größten Konsens von übereinstimmenden Punkten erzielt.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). Random Sample Consensus (RANSAC) Regression. ScholarGate. https://scholargate.app/de/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.
- Least Trimmed Squares (LTS)-RegressionStatistik↔ compare
- Methode der kleinsten Quadrate (OLS)Ökonometrie↔ compare
- Quantile RegressionÖkonometrie↔ compare
- Robuste Kovarianzschätzung (MCD)Statistik↔ compare
- Theil-Sen-SchätzerStatistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →