Por que o RANSAC não é mais amplamente usado em estatística?

26

Vindo do campo da visão computacional, frequentemente utilizei o método RANSAC (Random Sample Consensus) para ajustar modelos a dados com muitos outliers.

No entanto, nunca o vi usado por estatísticos, e sempre tive a impressão de que não era considerado um método "estatisticamente correto". Por que? É de natureza aleatória, o que dificulta a análise, mas o mesmo ocorre com os métodos de inicialização.

Ou é simplesmente um caso de silos acadêmicos não conversando entre si?

outliers bootstrap robust

— Bossykena
fonte

11

Eu me pergunto uma coisa sobre métodos de visão computacional vs. métodos estatísticos: o desempenho no primeiro é obrigatório. Talvez exista uma troca entre desempenho e "correção", e a visão e as estatísticas do computador tenham pesos diferentes para essas variáveis.

— Lucas Reis

10

Eu acho que a chave aqui é o descarte de uma grande parte dos dados no RANSAC.

Na maioria das aplicações estatísticas, algumas distribuições podem ter caudas pesadas e, portanto, pequenos números de amostra podem distorcer a estimativa estatística. Estimadores robustos resolvem isso ponderando os dados de maneira diferente. O RANSAC, por outro lado, não tenta acomodar os outliers, foi criado para casos em que os pontos de dados realmente não pertencem, não apenas distribuídos de maneira não-normal.

— nbubis
fonte

11

Ótima resposta. Eu vi o RANSAC mais usado em CV para estimar homografias. Isso é mais amplamente usado quando sabemos que algumas das medidas correspondentes são extremamente não confiáveis. Além disso, o desempenho em tempo real e outras considerações tornaram essa técnica bastante popular, pois pode ser facilmente paralelizada.

— Luca

7

Para nós, é apenas um exemplo de uma regressão robusta - acredito que é usada também por estatísticos, mas talvez não seja tão ampla porque possui algumas alternativas mais conhecidas.

11

Você pode dar exemplos de alternativas? Eu gostaria de investigar isso.

— 21710 Bossykena

5

A mais conhecida e a mais simples é a regressão Mediana-Mediana, bem conhecida pelas calculadoras inteligentes (Suspiro!). Consulte também a Wikipedia en.wikipedia.org/wiki/Robust_regression e talvez a exibição Robusta de tarefas do CRAN cran.r-project.org/web/views/Robust.html

Existem alternativas ao RANSAC que não apenas fornecem a regressão imparcial, mas também os pontos de dados a partir dos quais o modelo foi estimado? Obrigado

— Valerio

2

Isso soa muito como ensacamento, que é uma técnica frequentemente usada.

— Zach
fonte

3

O RANSAC é muito diferente - no ensacamento, todas as amostras são levadas em consideração de alguma forma. O RANSAC é usado nos casos em que até 50% dos dados devem ser completamente descartados.

— Nbubis

1

Você joga fora os dados com o RANSAC, potencialmente sem justificá-los, mas com base no aumento do ajuste do modelo. Descartar dados para aumentar o ajuste geralmente é evitado, pois você pode perder dados importantes. A remoção de valores discrepantes sem justificativa é sempre problemática.

É claro que é possível justificá-lo. Por exemplo, se você soubesse que os dados devem seguir um determinado padrão, mas que também existem desvios nos dados em relação ao padrão devido a erros nas medições.

— NegativeFeedbackLoop
fonte