ScholarGate
Asistente
Regression model

Regresión RANSAC

La regresión RANSAC es un método de regresión lineal robusto introducido por Fischler y Bolles en 1981 que ajusta un modelo a los puntos de entrada (inliers) de un conjunto de datos, excluyendo automáticamente los valores atípicos (outliers). En lugar de ajustar todos los datos a la vez, muestrea repetidamente pequeños subconjuntos, ajusta un modelo candidato y conserva el modelo que obtiene el mayor consenso de puntos que coinciden.

Aplicar con StatMindPróximamenteVídeoPróximamenteDownload slides

Leer el método completo

Solo para miembros

Inicia sesión con una cuenta gratuita para leer esta sección.

Iniciar sesión

Method map

The neighbourhood of related methods — select a node to explore.

Fuentes

  1. 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
  2. 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

Cómo citar esta página

ScholarGate. (2026, June 1). Random Sample Consensus (RANSAC) Regression. ScholarGate. https://scholargate.app/es/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.

Compare side by side

Citado por

ScholarGateRANSAC Regression (Random Sample Consensus (RANSAC) Regression). Recuperado el 2026-06-15 de https://scholargate.app/es/statistics/ransac-regression · Conjunto de datos: https://doi.org/10.5281/zenodo.20539026