Regresia RANSAC
Regresia RANSAC je robustná metóda lineárnej regresie, ktorú v roku 1981 predstavili Fischler a Bolles. Umožňuje prispôsobiť model bodom patriacim do súboru odhadovaných hodnôt (inliers) v dátovom súbore a zároveň automaticky vylúčiť odľahlé hodnoty (outliers). Namiesto prispôsobenia všetkých dát naraz opakovane vzorkuje malé podmnožiny, prispôsobuje kandidátsky model a ponecháva si model, ktorý získa najväčší konsenzus zhodujúcich sa bodov.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 1). Random Sample Consensus (RANSAC) Regression. ScholarGate. https://scholargate.app/sk/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.
- Regresia metódou najmenších orezaných štvorcov (LTS)Štatistika↔ compare
- Regresia metódou najmenších štvorcov (OLS)Ekonometria↔ compare
- Kvantilová regresiaEkonometria↔ compare
- Robustné odhady kovariancie (MCD)Štatistika↔ compare
- Theil-Senov odhadŠtatistika↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →