RANSAC або (КОНСЕНСУС ВИПАДКОВОЇ ВИБІРКИ) є ітераційний метод оцінки параметрів математичної моделі з набору даних спостереження, які містять викиди. Вибрані навмання точки називаються гіпотетичними інлієрами, а всі інші точки перевіряються за цією підігнаною моделлю.
Алгоритм RANSAC працює за допомогою визначення викидів у наборі даних та оцінка бажаної моделі за допомогою даних, які не містять викидів. Наприклад, рівняння лінії, яка найкраще відповідає набору точок, можна оцінити за допомогою RANSAC.
Алгоритм RANSAC вперше був представлений Фішлером і Боллесом у 1981 році як метод оцінки параметрів певної моделі, починаючи з набору даних, забруднених великою кількістю викидів. Це ітеративний недетермінований алгоритм, який використовує метод найменших квадратів для оцінки параметрів моделі.
Кількість ітерацій N (рівн. (2)) залежить від найменшої кількості точок m, які однозначно визначають модель, відсотка інлієрів w і обраної ймовірності p .
Звичайний лінійний регресор чутливий до викидів, і підігнана лінія може бути легко відхилена від справжнього основного зв’язку даних. Регресор RANSAC автоматично розбиває дані на врізні та викидні значення, а підігнана лінія визначається лише ідентифікованими врізними значеннями.
RANSAC є простий алгоритм на основі голосування, який ітеративно відбирає сукупність точок і знаходить підмножину тих ліній, які, здається, відповідають моделі. В даному випадку модель являє собою пряму лінію.