표 자료를 위한 구조
원 연구는 영상과 언어에서의 신경망 성과가 표 자료에서도 그대로 이어지는지에 대한 문제에서 출발했다. 이질적인 표 자료에 맞춘 구조로 oblivious 결정 트리의 앙상블을 일반화했다.
계층적 표현과 최적화
NODE는 여러 층을 통한 계층적 표현 학습과 종단 간 기울기 기반 최적화를 사용한다. 트리 앙상블의 구성을 신경망 학습의 틀과 연결하는 접근이다.
부스팅과의 비교
연구는 다양한 표 자료에서 주요 기울기 부스팅 결정 트리 구현과 비교했다. 성능 차이는 해당 실험 과제에서 관찰한 결과이며 특정 구조가 모든 표 자료에서 우세하다는 결론과는 구분한다.