Regresi RANSAC
Regresi RANSAC ialah kaedah regresi linear yang teguh (robust) diperkenalkan oleh Fischler dan Bolles pada tahun 1981 yang menyesuaikan model kepada titik-titik dalaman (inlier) suatu set data sambil secara automatik mengecualikan pencilan (outlier). Berbanding menyesuaikan semua data sekaligus, ia berulang kali mengambil sampel subset kecil, menyesuaikan model calon, dan menyimpan model yang mendapat konsensus terbesar daripada titik-titik yang bersetuju.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 1). Random Sample Consensus (RANSAC) Regression. ScholarGate. https://scholargate.app/ms/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.
- Regresi Kuasa Dua Terpangkas Terkecil (LTS)Statistik↔ compare
- Regresi Kuasa Dua Terkecil Biasa (OLS)Ekonometrik↔ compare
- Regresi KuantilEkonometrik↔ compare
- Anggaran Kovesarian Teguh (MCD)Statistik↔ compare
- Penganggar Theil-SenStatistik↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →