机器学习读书笔记之5 - RANSAC

        随机采样一致性（RANdom SAmpleConsensus），是 指从一组包含 “局外点”的数据集中，通过迭代方法估算数学模型的参数。

        RANSAC是一种不确定的算法，它有一定的概率得出一个合理的结果，为了提高概率必须增加迭代次数。

        来看这样一个简单样例，假设我们想拟合一条直线：

        

        可以看到，图中 红色的点是 “局外点”，蓝色的为 “内部点”，很明显，我们想通过不断随机抽取的方式，使得我们选中的点恰好为蓝色点，因为在这种情况下，拟合得到的模型误差最小。

        RANSAC 算法思路非常简单，在模型确定以及最大迭代次数允许的情况下，RANSAC总是能找到最优解。对于包含50%以上误差的数据集，RANSAC的效果远优于直接的最小二乘法。

       RANSAC 应用最多的场景是图片的拼接，基于得到的特征点进行 随机采样匹配：