Regressão RANSAC
Regressão RANSAC é um método de regressão linear robusta introduzido por Fischler e Bolles em 1981 que ajusta um modelo aos pontos internos (inliers) de um conjunto de dados, excluindo automaticamente os valores atípicos (outliers). Em vez de ajustar todos os dados de uma vez, ele repete a amostragem de pequenos subconjuntos, ajusta um modelo candidato e mantém o modelo que obtém o maior consenso de pontos concordantes.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 1). Random Sample Consensus (RANSAC) Regression. ScholarGate. https://scholargate.app/pt/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.
- Regressão por Mínimos Quadrados Truncados (LTS)Estatística↔ compare
- Regressão por Mínimos Quadrados Ordinários (MQO)Econometria↔ compare
- Regressão QuantílicaEconometria↔ compare
- Estimativa Robusta de Covariância (MCD)Estatística↔ compare
- Estimador de Theil-SenEstatística↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →