Регресія RANSAC
Регресія RANSAC — це стійкий метод лінійної регресії, представлений Фішлером і Боллесом у 1981 році, який припасовує модель до точок-інерів (inliers) набору даних, автоматично виключаючи викиди (outliers). Замість того, щоб припасовувати всі дані одночасно, він багаторазово вибирає малі підмножини, припасовує кандидатну модель і зберігає модель, яка здобуває найбільший консенсус точок, що з нею узгоджуються.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 1). Random Sample Consensus (RANSAC) Regression. ScholarGate. https://scholargate.app/uk/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.
- Регресія найменших обрізаних квадратів (LTS)Статистика↔ compare
- Регресія звичайно найменших квадратів (ЗНК)Економетрика↔ compare
- Квантильна регресіяЕконометрика↔ compare
- Оцінювання робастної коваріації (MCD)Статистика↔ compare
- Оцінювач Тейла-СенаСтатистика↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →