同质划分

论文提出的两步方法为：第一步从数据中学习同质划分（原子结构），第二步在给定支持度约束下贪心选择原子以最大化KL散度。

同质划分指将特征空间划分为若干区域，使得每个区域内目标变量的条件分布相同；若两个数据点在所有特征上取值不同但条件分布一致，则属于同一原子。

论文实验表明，即使划分不完美，贪心选择仍能带来改进，方法对模型误差具有鲁棒性。