रैंडम फॉरेस्ट (RF) डिसीजन ट्रीज (DT) के एक पहनावा द्वारा बनाया जाता है। बैगिंग का उपयोग करके, प्रत्येक डीटी को एक अलग डेटा सब्मिट में प्रशिक्षित किया जाता है। इसलिए, नए डेटा पर अधिक निर्णय तनाव को जोड़कर एक ऑन-लाइन यादृच्छिक वन को लागू करने का कोई तरीका है?
उदाहरण के लिए, हमारे पास 10K नमूने हैं और 10 DT के ट्रेन हैं। फिर हमें 1K नमूने मिलते हैं, और प्रशिक्षण के बजाय फिर से पूर्ण आरएफ, हम एक नया डीटी जोड़ते हैं। भविष्यवाणी अब बायेसियन औसत 10 + 1 डीटी के द्वारा की जाती है।
इसके अलावा, यदि हम पिछले सभी डेटा को रखते हैं, तो नए डीटी के मुख्य रूप से नए डेटा में प्रशिक्षित किया जा सकता है, जहां एक नमूना लेने की संभावना का भार इस बात पर निर्भर करता है कि कितनी बार पहले ही उठाया जा चुका है।