RANSAC（随机一致性采样）
**优点：对噪声点不敏感，**因为他不对噪声点进行建模。
而最小二乘法对所有点进行建模，所以他对噪声很敏感。
过程
总的来说：类似GMM、KNN这种算法，都是先随机挑一部分数据来拟合模型，然后计算其他数据与该模型的距离从而引入一些新的类内数据，再用新的类内数据来拟合出新的模型，迭代这个过程，直到有足够多的点被归为类内点。
本质上都是迭代算法，使用EM算法进行学习，E步固定模型分类数据，M步固定数据更新模型。
流程概括：
举个例子：使用RANSAC——拟合直线
参考链接
计算机视觉基本原理——RANSAC
