深度分类树的移动视窗近似分支约简方法

论文提出一种移动视窗近似分支约简方法，用于在大规模连续特征数据集上训练近最优深度分类树。该方法基于分层根-子树优化框架，通过分支约简求解根问题，并用贪心启发式近似子树问题，在强化学习语境中充当前向rollout，显著提升深度结构效率。实验结果表明，该方法在测试准确率上超过现有启发式基线，同时在数据集规模和树深度方面具备更强可扩展性。