RANSAC 和最小二乘有什么区别
哪些公司问过
答案要点
- 最小二乘最小化全部点的残差平方和,高斯噪声下最优,但对离群点敏感
- RANSAC 随机抽取最小样本集拟合模型,用阈值内的内点数评估,保留最优模型
- 迭代次数 k = log(1−p)/log(1−w^s),内点比例越低、样本数越多,所需迭代越多
- RANSAC 常在最后用全部内点再做一次最小二乘精修
- RANSAC 需设阈值和迭代次数,结果非确定;典型应用是估计单应矩阵、基础矩阵
易错点
- 说 RANSAC 每次用全部点拟合,实际每次只用最小样本集
- 忽略 RANSAC 最后常用内点做最小二乘精修
- 认为最小二乘在任何噪声下都最优,它只在高斯噪声假设下是最大似然估计
面试官常见追问
- RANSAC 的阈值怎么设?
- 除了 RANSAC,还有哪些抗离群点的拟合方法?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。