本文提出了多种新型数据评估和异常检测方法，包括基于袋外估计的 Data-OOB、无监督的 Out-of-Bag 异常检测和基于极值的 XOOD 框架。这些方法在处理多维数据集时表现优异，能够提高机器学习系统的准确性和可靠性，有效识别有用或有害的数据点。

本文介绍了一种基于模型的异常检测方法，Out-of-Bag 异常检测，适用于多维数据集，能处理数字和分类特征。通过集合模型的训练，将无监督学习问题分解。作者通过实验展示了该方法的性能，并通过房屋估值案例研究证明了其在提高 ML 系统准确性和可靠性方面的作用。