Random sample consensus
核心思想：把數(shù)據(jù)分成inliers 和outliers昭齐，選用inliers的數(shù)據(jù)訓(xùn)練模型羡洛。是一種非確定性算法
算法細(xì)節(jié)
- 選擇一部分隨機(jī)樣本從原始數(shù)據(jù)中，并檢查數(shù)據(jù)是否有效。
- 使用隨機(jī)選擇的子集訓(xùn)練模型并檢查模型是否有效调俘。
- 根據(jù)模型結(jié)果殘差 按照residual_threashold分成inliers 和outliers
- 保存訓(xùn)練的模型如果inliers樣本達(dá)到最大
其中1，2步是為了防止一些outliers來訓(xùn)練模型旺垒，也可以不要彩库。
收斂條件：
1.達(dá)到最大試驗(yàn)次數(shù)
2.inliners 數(shù)量滿足要求
3.所有樣本的殘差小于閾值
4.訓(xùn)練樣本中至少有一次無異常值的樣本被抽樣
Reference:
