เปรียบเทียบวิธี

	การจำแนกอนุภาคด้วย BDT	ขั้นตอนวิธีเจ็ตแบบ anti-kT
สาขาวิชา	ฟิสิกส์อนุภาค	ฟิสิกส์อนุภาค
ตระกูล	Process / pipeline	Process / pipeline
ปีกำเนิด	2000	2008
ผู้ริเริ่ม	Machine learning / particle physics community	Matteo Cacciari and Gavin P. Salam
ประเภท	Particle discrimination algorithm	Particle clustering algorithm
แหล่งต้นตำรับ	Breiman, L. (2001). Random Forests. Machine Learning, 45(1), 5–32.	Cacciari, M., Salam, G. P., & Sapeta, S. (2008). On the characterisation of the underlying event. Journal of High Energy Physics, 2008(04), 063.
ชื่อเรียกอื่น	BDT classifier, MVA particle ID, multivariate particle identification	anti-kt clustering, anti-kT algorithm
ที่เกี่ยวข้อง	3	3
สรุป	Boosted Decision Trees (BDTs) are powerful multivariate classifiers used in particle physics to distinguish between different particle types based on detector signatures. By combining many weak decision trees through adaptive boosting, BDTs achieve superior discrimination power compared to simple cuts, enabling improved purity and efficiency in particle identification and background rejection.	The anti-kT jet algorithm, introduced by Cacciari and Salam in 2008, is a sequential recombination jet clustering algorithm widely used in high-energy physics to group final-state particles into jets. Unlike earlier algorithms, anti-kT produces jets with regular cone-like geometries in transverse momentum-rapidity space, making it ideal for precision measurements and new physics searches.