Regressione RANSAC
La regressione RANSAC è un metodo di regressione lineare robusto introdotto da Fischler e Bolles nel 1981 che adatta un modello ai punti inlier di un dataset escludendo automaticamente gli outlier. Invece di adattare tutti i dati contemporaneamente, campiona ripetutamente piccoli sottoinsiemi, adatta un modello candidato e conserva il modello che ottiene il maggior consenso di punti concordanti.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 1). Random Sample Consensus (RANSAC) Regression. ScholarGate. https://scholargate.app/it/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.
- Regression con Minimi Quadrati Trimmatizzati (Least Trimmed Squares, LTS)Statistica↔ compare
- Regression with Ordinary Least Squares (OLS)Econometria↔ compare
- Regressione quantilicaEconometria↔ compare
- Stima Robusta della Covarianza (MCD)Statistica↔ compare
- Stimatore di Theil-SenStatistica↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →