เปรียบเทียบวิธี

	การเรียนรู้แบบออนไลน์	Online Random Forest
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1958–2000s	2009
ผู้ริเริ่ม	Rosenblatt, F.; Littlestone, N.; Shalev-Shwartz, S. (key contributors)	Saffari, A. et al.
ประเภท	Learning paradigm (sequential model update)	Incremental ensemble (streaming decision trees)
แหล่งต้นตำรับ	Shalev-Shwartz, S. (2011). Online Learning and Online Convex Optimization. Foundations and Trends in Machine Learning, 4(2), 107–194.	Saffari, A., Leistner, C., Santner, J., Godec, M., & Bischof, H. (2009). On-line random forests. In Proceedings of the 3rd IEEE International Workshop on On-Line Learning for Computer Vision (OLCV 2009), pp. 1–8. IEEE.
ชื่อเรียกอื่น	incremental learning, sequential learning, streaming learning, online machine learning	ORF, streaming random forest, incremental random forest, adaptive random forest
ที่เกี่ยวข้อง	6	6
สรุป	Online learning is a machine learning paradigm in which a model is updated incrementally as each new data point arrives, rather than being trained once on a fixed dataset. It is essential when data streams continuously, storage is limited, or the underlying distribution shifts over time. Theoretical performance is measured by cumulative regret relative to the best fixed predictor in hindsight.	Online Random Forest (ORF) extends the classic Random Forest to streaming settings, updating each tree incrementally as new observations arrive without storing or replaying the full training set. Algorithms such as Adaptive Random Forests (ARF) add drift detection so the ensemble adapts when the data distribution changes over time.