เหตุใด RANSAC จึงไม่ใช้กันอย่างแพร่หลายในสถิติ

มาจากมุมมองของคอมพิวเตอร์ฉันมักจะใช้วิธีRANSAC (Random Sample Consensus) สำหรับการปรับโมเดลให้เหมาะสมกับข้อมูลที่มีค่าผิดปกติจำนวนมาก

อย่างไรก็ตามฉันไม่เคยเห็นมันใช้โดยนักสถิติและฉันมักจะอยู่ภายใต้ความประทับใจว่ามันไม่ได้ถือว่าเป็นวิธี "สถิติเสียง" เหตุผลที่เป็นเช่นนั้น? มันเป็นการสุ่มในธรรมชาติซึ่งทำให้ยากต่อการวิเคราะห์ แต่เป็นวิธีการบูตสแตรป

หรือเป็นเพียงกรณีของนักวิชาการที่ไม่ได้พูดคุยกัน

ฉันคิดว่ากุญแจที่นี่คือการทิ้งข้อมูลส่วนใหญ่ใน RANSAC

ในแอปพลิเคชันทางสถิติส่วนใหญ่การแจกแจงบางอย่างอาจมีหางที่มีน้ำหนักมากและดังนั้นจำนวนตัวอย่างขนาดเล็กอาจประมาณค่าสถิติที่เบ้ ตัวประมาณที่แข็งแกร่งแก้ปัญหานี้ได้โดยการชั่งน้ำหนักข้อมูลต่างกัน ในทางกลับกัน RANSAC ไม่พยายามที่จะปรับค่าผิดปกติมันถูกสร้างขึ้นสำหรับกรณีที่จุดข้อมูลไม่ได้อยู่ในความเป็นจริงไม่ใช่แค่กระจายแบบไม่เป็นมาตรฐาน

สำหรับเรามันเป็นเพียงตัวอย่างหนึ่งของการถดถอยที่แข็งแกร่ง - ฉันเชื่อว่ามันถูกใช้โดยนักสถิติด้วย แต่อาจจะไม่กว้างนักเพราะมันมีทางเลือกที่รู้จักกันดีกว่า

ฟังดูคล้ายกับการห่อซึ่งเป็นเทคนิคที่ใช้บ่อย

คุณทิ้งข้อมูลด้วย RANSAC ซึ่งอาจไม่เป็นธรรม แต่ขึ้นอยู่กับการเพิ่มความพอดีของโมเดล การทิ้งข้อมูลเพื่อความกระชับที่เพิ่มขึ้นมักจะหลีกเลี่ยงเพราะข้อมูลที่สำคัญอาจสูญหายไป การลบค่าผิดปกติโดยไม่มีเหตุผลเป็นปัญหาเสมอ

เป็นไปได้ของหลักสูตรที่จะพิสูจน์มัน เช่นถ้าคุณรู้ว่าข้อมูลควรเป็นไปตามรูปแบบที่กำหนด แต่ยังมีการเบี่ยงเบนในข้อมูลจากรูปแบบเนื่องจากข้อผิดพลาดในการวัด