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.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
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.
- Régression par Moindres Carrés Trimés (LTS)Statistique↔ compare
- Régression par Moindres Carrés Ordinaires (MCO)Économétrie↔ compare
- Régression quantileÉconométrie↔ compare
- Estimation Robuste de la Covariance (MCD)Statistique↔ compare
- Estimateur de Theil-SenStatistique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →