RANSAC-regresszió
A RANSAC-regresszió (RANSAC Regression) egy robusztus lineáris regressziós módszer, amelyet Fischler és Bolles 1981-ben vezetett be. Ez a módszer az adathalmaz becslő (inlier) pontjaihoz illeszt modellt, miközben automatikusan kizárja a kiugró értékeket (outlier). Ahelyett, hogy az összes adatot egyszerre illesztené, ismételten kis részhalmazokat mintáz, jelölt modellt illeszt, és megtartja azt a modellt, amelyik a legtöbb egyező pontból álló konszenzust éri el.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Random Sample Consensus (RANSAC) Regression. ScholarGate. https://scholargate.app/hu/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.
- Legkisebb Nyesett Négyzetes (LTS) RegresszióStatisztika↔ compare
- Regresszió Ordináris Legkisebb Négyzetes (OLS) módszerrelÖkonometria↔ compare
- Kvantilis regresszióÖkonometria↔ compare
- Robuszt kovariancia becslés (MCD)Statisztika↔ compare
- Theil-Sen becslőStatisztika↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →