RANSAC-regressio
RANSAC-regressio (RANdom SAmple Consensus) on robusti lineaarisen regressiomenetelmän, jonka Fischler ja Bolles esittelivät vuonna 1981. Se sovittaa mallin aineiston sisäpiirin pisteisiin (inliers) automaattisesti poissulkien poikkeavat pisteet (outliers). Sen sijaan, että koko aineisto sovitetaan kerralla, menetelmä toistuvasti otostaa pieniä osajoukkoja, sovittaa niihin ehdokasmallin ja säilyttää mallin, joka saa suurimman kannatuksen (konsensuksen) samanmielisiltä pisteiltä.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Random Sample Consensus (RANSAC) Regression. ScholarGate. https://scholargate.app/fi/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.
- Vähiten katkaistujen neliöiden (LTS) regressioTilastotiede↔ compare
- OLS-regressio (Ordinary Least Squares)Ekonometria↔ compare
- KvanttiiliregressioEkonometria↔ compare
- Robustti kovarianssimenetelmä (MCD)Tilastotiede↔ compare
- Theil-Senin estimaattoriTilastotiede↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →