本研究提出了一种新的随机回归森林算法，增强了模型的可解释性，并探讨了决策树方法在分类预测中的缺陷。介绍了Proximity Forest算法在时间序列分类中的高效性，提出了功能数据分析中的集成学习方法，显著提高了预测准确性。同时，研究解决了功能随机森林模型的可解释性问题，提出了新的解释工具，提升了模型的透明度和性能。