배치와 온라인 학습
일반적인 랜덤 포레스트는 학습 자료를 배치로 처리한다. 원 연구는 온라인 숲이 배치 방식과 비슷한 예측 성능을 얻기 위해 더 많은 자료를 필요로 하는 문제에 주목했다.
몬드리안 과정의 활용
몬드리안 과정으로 무작위 트리를 구성하고 새 자료에 따라 점진적으로 성장시킨다. 연구는 온라인으로 구성한 숲의 분포가 배치로 만든 몬드리안 숲의 분포와 같다는 성질을 제시했다.
시간과 정확도의 비교
기존 온라인 숲과 주기적으로 다시 학습한 배치 숲을 비교했다. 원 연구는 해당 실험에서 예측 성능과 계산 시간의 절충을 평가했으며 온라인 학습과 배치 학습을 연결하는 성질을 강조했다.