RANSAC-regression
RANSAC-regression är en robust linjär regressionsmetod som introducerades av Fischler och Bolles 1981. Den anpassar en modell till datapunkternas inlier-punkter (punkter som stämmer överens med modellen) samtidigt som den automatiskt exkluderar outliers (avvikande punkter). Istället för att anpassa alla data på en gång, samplar den upprepade gånger små delmängder, anpassar en kandidatmodell och behåller den modell som har störst konsensus av punkter som stämmer överens.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 1). Random Sample Consensus (RANSAC) Regression. ScholarGate. https://scholargate.app/sv/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.
- Least Trimmed Squares (LTS) RegressionStatistik↔ compare
- Vanligaste minsta kvadratmetoden (OLS) RegressionEkonometri↔ compare
- KvantilregressionEkonometri↔ compare
- Robust kovariansestimering (MCD)Statistik↔ compare
- Theil-Sen EstimatorStatistik↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →