RANSAC-регрессия
RANSAC-регрессия — это устойчивый метод линейной регрессии, предложенный Фишлером и Боллесом в 1981 году, который подбирает модель к внутренним точкам набора данных, автоматически исключая выбросы. Вместо того чтобы подгонять все данные сразу, он многократно отбирает небольшие подмножества, подгоняет к ним модель-кандидат и сохраняет ту модель, которая получает наибольшее согласие совпадающих точек.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 1). Random Sample Consensus (RANSAC) Regression. ScholarGate. https://scholargate.app/ru/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.
- Регрессия по методу наименьших усеченных квадратов (LTS)Статистика↔ compare
- Регрессия методом обыкновенных наименьших квадратов (ОНМК)Эконометрика↔ compare
- Квантильная регрессияЭконометрика↔ compare
- Робастная оценка ковариации (MCD)Статистика↔ compare
- Оценщик Тейля-СенаСтатистика↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →