เปรียบเทียบวิธี

	Random Forest	วิชันทรานส์ฟอร์มเมอร์
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2001	2021
ผู้ริเริ่ม	Breiman, L.	Dosovitskiy, A. et al.
ประเภท	Ensemble (bagging of decision trees)	Transformer architecture for images (self-attention over patches)
แหล่งต้นตำรับ	Breiman, L. (2001). Random Forests. Machine Learning, 45, 5–32.	Dosovitskiy, A. et al. (2021). An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale. ICLR.
ชื่อเรียกอื่น	Rastgele Orman (Random Forest), rastgele orman, random decision forest, bagged tree ensemble	Görsel Transformer (ViT), görsel transformer, ViT, patch transformer for images
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 Vision Transformer (ViT), introduced by Dosovitskiy and colleagues in 2021, splits an image into fixed-size patches, treats those patches as a sequence, and applies the Transformer self-attention mechanism to image classification. Given enough training data, it surpasses convolutional neural networks (CNNs).