抽象地说，如果您已经考虑将决策树分解为有向无环图，那么您正在寻找的一个例子就是马尔可夫链。

马尔可夫链确实可以模拟任意长度的序列。此外，包含循环的马尔可夫链是可能的——通常称为汉密尔顿嵌入马尔可夫链。

决策树的目标是将特征空间划分为连续更小的区域，其中每个区域最好由单个标签或值来表征。添加周期性组件无助于实现目标，它会不必要地重复给定区域的建模拟合。

这是一个有趣的命题……你希望从添加循环组件中获得什么？

我自己对这个问题的各种快速回答导致了现有的方法，如提升（例如：xgboost）和集成（例如：随机森林），这有助于解决偏差、方差、平滑等问题。

也许您可以使用循环组件来创建强化式框架？