LMedS

L'algoritmo di rigetto degli outlier Least Median of Squares (LMedS) è molto simile concettualmente a RANSAC.

Come per RANSAC viene generato un modello partendo da campionamenti casuali dai dati in ingresso ma, invece che scegliere il modello che raccoglie il maggior numero di consensi (o che minimizza una loss function), LMdeS seleziona fra tutti il modello che ha il valore mediano degli errori inferiore. Tutti i dati in ingresso pertanto vengono confrontati con il modello, ordinati per errore, ed esaminato il valore mediano.

La relazione tra probabilità di individuare inliner e numero di iterazioni è lo stesso di RANSAC. RANSAC tuttavia richiede due parametri (il numero di iterazioni e la soglia per discriminare se un elemento appartiene o meno al data-set), mentre LMedS ne richiede solo uno. LMedS tuttavia tollera al massimo il 50% di outlier.