有人知道决策树分类器的任何增量实现。这样，当你将新实例添加到训练集中时，它可以生成最优决策树分类器，计算量低，并且根据现有的决策树分类器尽可能快？
换句话说，我有一个设置 A 的最佳决策树分类器，名为 T_1 ，现在我想将实例 X 添加到设置 A 并利用 T_1 和 X 设置找到最佳决策树分类树 T_2 {A，X}
添加实例会多次出现。因此，每次都可以找到增量方法而不是构建树，这对我很有价值。
实际上我怀疑这种实施是否存在。如果有人能帮助我，我们将不胜感激。如果有的话，我更喜欢c ++中的代码。
感谢