本研究提出了一种新的随机回归森林算法，优化了特征成本与准确性，并通过实证研究验证了其在资源受限情况下的优越性。研究还探讨了超参数设置、后处理正则化方法及自适应分割平衡森林（ASBF）方法，展示了随机森林在减少偏差和提高预测性能方面的优势。

该文介绍了一种非监督异常检测算法，名为一类边界剥离，使用灵活边界的迭代剥离的平均有符号距离，具有强大的超参数设置和灵活性。该算法在合成数据模拟中表现优异，在常见基准数据集上具有竞争力。