公开了一种用于计算两级和多级判别模型的概率推进树架构。在学习阶段中，概率推进树(PBT)自动构造树，在该树中，每个节点将多个弱分类器(例如，证据、知识)组合成强分类器或条件后验概率。通过分治法策略经由数据增量(例如，树扩展)使该PBT接近目标后验分布。在测试阶段中，根据学习过的分类器在每个树节点处计算条件概率，该学习过的分类器引导该树的子树中的概率传播。因此，树的顶部节点通过结合从其子树所收集的概率而输出总体后验概率。在训练阶段中，递归地构造树，在该树中，每个树节点是一个强分类器。根据学习过的分类器，输入训练集被划分成两个新集合、即左和右集合。然后每个集合被递归地用于训练左和右子树。