随机抽样一致算法python

随机抽样一致（RANSAC）算法是一种用于估计回归模型的非确定性算法。它通过迭代的方式从一组包含outliers的数据中找到最佳拟合模型。在Python中，你可以使用scikit-learn库来实现RANSAC算法。以下是一个简单的示例代码：

from sklearn.linear_model import RANSACRegressor
from sklearn.datasets import make_regression

# 生成一些随机数据用于示例
X, y = make_regression(n_samples=100, n_features=1, noise=10)

# 创建RANSACRegressor对象并拟合数据
ransac = RANSACRegressor()
ransac.fit(X, y)

# 输出估计的斜率和截距
print("Estimated coefficients:", ransac.estimator_.coef_)
print("Estimated intercept:", ransac.estimator_.intercept_)

在上述代码中，我们首先导入了所需的模块（`RANSACRegressor`和`make_regression`）。然后，我们使用`make_regression`函数生成了一些随机数据用于示例。接下来，我们创建了一个`RANSACRegressor`对象，并调用`fit`方法来拟合数据。最后，我们输出了估计的斜率和截距。