เปรียบเทียบวิธี

	การวิเคราะห์การจำแนกประเภทเชิงเส้น (LDA	Random Forest
สาขาวิชา	สถิติศาสตร์	การเรียนรู้ของเครื่อง
ตระกูล	Hypothesis test	Machine learning
ปีกำเนิด	1936	2001
ผู้ริเริ่ม	Ronald A. Fisher	Breiman, L.
ประเภท	Parametric linear classifier / dimensionality reduction	Ensemble (bagging of decision trees)
แหล่งต้นตำรับ	Fisher, R.A. (1936). The Use of Multiple Measurements in Taxonomic Problems. Annals of Eugenics, 7(2), 179–188.	Breiman, L. (2001). Random Forests. Machine Learning, 45, 5–32.
ชื่อเรียกอื่น	LDA, Fisher's LDA, Fisher's linear discriminant, discriminant function analysis	Rastgele Orman (Random Forest), rastgele orman, random decision forest, bagged tree ensemble
ที่เกี่ยวข้อง	7	4
สรุป	Linear Discriminant Analysis (LDA) is a parametric supervised classification method that finds the linear combination of continuous predictors that best separates two or more predefined groups. Introduced by Ronald A. Fisher in his landmark 1936 paper on taxonomic measurements, it simultaneously serves as a classifier and a dimensionality-reduction tool, and can be understood as the classification-oriented counterpart of MANOVA.	Random Forest is an ensemble learning method, introduced by Leo Breiman in 2001, that grows many decision trees on bootstrap samples of the data and combines their votes to produce strong classification and regression. By pooling many slightly different trees, it produces more accurate and more stable predictions than any single tree.