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.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
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.
- Regresión por Mínimos Cuadrados Recortados (LTS)Estadística↔ compare
- Regresión por Mínimos Cuadrados Ordinarios (MCO)Econometría↔ compare
- Regresión CuantílicaEconometría↔ compare
- Estimación Robusta de la Covarianza (MCD)Estadística↔ compare
- Estimador de Theil-SenEstadística↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →