BoUTS是一个通用且可扩展的特征选择算法，能够提取与数据集相关的通用特征和特定任务特征。在化学回归数据集上，BoUTS表现出了特征稀疏性和预测准确性，具有推进科学领域的潜力。

该研究提出了一种适用于高维基因表达二分类的鲁棒加权评分方法（ROWSU），通过解决类分布不平衡问题，提高分类算法性能。该方法优于k最近邻和随机森林分类器的特征选择算法。