เปรียบเทียบวิธี

	Random Forest	แบบจำลองลำดับต่อลำดับ
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2001	2014
ผู้ริเริ่ม	Breiman, L.	Sutskever, I.; Cho, K.
ประเภท	Ensemble (bagging of decision trees)	Encoder-decoder neural network (deep learning)
แหล่งต้นตำรับ	Breiman, L. (2001). Random Forests. Machine Learning, 45, 5–32.	Sutskever, I., Vinyals, O. & Le, Q. V. (2014). Sequence to Sequence Learning with Neural Networks. NeurIPS.
ชื่อเรียกอื่น	Rastgele Orman (Random Forest), rastgele orman, random decision forest, bagged tree ensemble	Dizi-Dizi Modeli (Seq2Seq — Encoder-Decoder), encoder-decoder model, seq2seq, sequence to sequence learning
ที่เกี่ยวข้อง	4	5
สรุป	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.	The sequence-to-sequence (Seq2Seq) model, introduced by Sutskever, Vinyals and Le and by Cho and colleagues in 2014, is an encoder-decoder neural network that maps a variable-length input sequence to a variable-length output sequence. It is the foundation of machine translation, text summarization, dialogue systems and code generation.