เปรียบเทียบวิธี

	Online Random Forest	Semi-supervised Random Forest
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2009	2009
ผู้ริเริ่ม	Saffari, A. et al.	Leistner, C., Saffari, A., Santner, J., & Bischof, H.
ประเภท	Incremental ensemble (streaming decision trees)	Semi-supervised ensemble classifier
แหล่งต้นตำรับ	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.	Leistner, C., Saffari, A., Santner, J., & Bischof, H. (2009). Semi-supervised random forests. In Proceedings of the IEEE 12th International Conference on Computer Vision (ICCV), pp. 506–513. IEEE.
ชื่อเรียกอื่น	ORF, streaming random forest, incremental random forest, adaptive random forest	SSL-RF, semi-supervised forest, label-propagation random forest, self-training random forest
ที่เกี่ยวข้อง	6	3
สรุป	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.	Semi-supervised Random Forest (SSL-RF) extends the classic Random Forest by exploiting both labeled and unlabeled training examples. When labeling data is expensive or time-consuming, SSL-RF assigns tentative pseudo-labels to unlabeled observations through the forest itself, then retrains on the enriched dataset, progressively improving accuracy without requiring additional human annotation.