Regression model

RANSAC Regression

La régression RANSAC est une méthode de régression linéaire robuste introduite par Fischler et Bolles en 1981 qui ajuste un modèle aux points considérés comme valides (inliers) d'un jeu de données tout en excluant automatiquement les valeurs aberrantes (outliers). Au lieu d'ajuster toutes les données simultanément, elle échantillonne de manière répétée de petits sous-ensembles, ajuste un modèle candidat, et conserve le modèle qui obtient le plus grand consensus de points concordants.

Appliquer avec StatMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

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

Sources

  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

Comment citer cette page

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

Référencée par

ScholarGateRANSAC Regression (Random Sample Consensus (RANSAC) Regression). Consulté le 2026-06-15 sur https://scholargate.app/fr/statistics/ransac-regression · Jeu de données : https://doi.org/10.5281/zenodo.20539026