Regression model
RANSAC 회귀
RANSAC 회귀는 1981년 Fischler와 Bolles가 소개한 강건한 선형 회귀 방법으로, 이상치(outlier)를 자동으로 제외하면서 데이터셋의 내재치(inlier) 포인트에 모델을 적합시킵니다. 모든 데이터를 한 번에 적합시키는 대신, 작은 부분집합을 반복적으로 샘플링하고 후보 모델을 적합시킨 후, 가장 많은 동의 포인트의 합의를 얻은 모델을 유지합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 1). Random Sample Consensus (RANSAC) Regression. ScholarGate. https://scholargate.app/ko/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.
- 최소 절사 제곱 (LTS) 회귀통계학↔ compare
- 최소제곱법(OLS) 회귀계량경제학↔ compare
- 조건부 분위수 회귀계량경제학↔ compare
- 강건 공분산 추정 (MCD)통계학↔ compare
- 테일-센 추정량통계학↔ compare