邱锐博士在於州教授及美国伊利诺伊大学香槟分校朱若青副教授的指导下，针对一般度量空间中的复杂数据回归问题进行了深入研究。他们基于随机森林诱导的自适应权重提出了两种局部非欧回归方法，有效消减了现有方法存在的维数灾难问题，并在大量数值实验中验证了新方法的优良效果。并亦详尽给出了估计器的一致性、非渐近收敛速率等理论结果，为复杂数据的分析提供了坚实的理论支撑。其研究成果Random Forest Weighted Local Fréchet Regression with Random Objects 在线发表于机器学习期刊Journal of Machine Learning Research。
