เปรียบเทียบวิธี

	Extra Trees	ต้นไม้ตัดสินใจ
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2006	1984
ผู้ริเริ่ม	Geurts, P.; Ernst, D.; Wehenkel, L.	Breiman, Friedman, Olshen & Stone
ประเภท	Ensemble (extremely randomized decision trees)	Recursive partitioning (if-then rules)
แหล่งต้นตำรับ	Geurts, P., Ernst, D. & Wehenkel, L. (2006). Extremely randomized trees. Machine Learning, 63(1), 3–42.	Breiman, L., Friedman, J.H., Olshen, R.A. & Stone, C.J. (1984). Classification and Regression Trees. Wadsworth.
ชื่อเรียกอื่น	Extremely Randomized Trees, ExtraTreesClassifier, ExtraTreesRegressor, ET	Karar Ağacı (Decision Tree), karar ağacı, classification tree, regression tree
ที่เกี่ยวข้อง	5	5
สรุป	Extra Trees (Extremely Randomized Trees), introduced by Geurts, Ernst, and Wehenkel in 2006, is an ensemble of decision trees that pushes randomisation further than Random Forest. Both the candidate features and the split thresholds are chosen completely at random at each node, eliminating the greedy search over thresholds. This extra randomness reduces variance, often matches or exceeds Random Forest accuracy, and runs substantially faster at training time.	A Decision Tree is an interpretable classification and regression method, formalised by Breiman, Friedman, Olshen and Stone in their 1984 CART framework, that partitions the data with hierarchical if-then rules. Each split sends observations down one branch or another until a prediction is read off the leaf.