نطور نموذجًا بيزانيًا "مجموع الأشجار" حيث يتم تقييد كل شجرة بواسطة مسبق تنظيمي (Regularization Prior) لتكون متعلمًا ضعيفًا، ويتم تحقيق التوفيق والاستدلال من خلال خوارزمية MCMC البيزانية التكرارية للرجوع الخلفي التي تولد عينات من اللاحقة (Posterior). في الواقع، يعتبر BART نهجًا بيزيًا غير معلمي للانحدار يستخدم عناصر أساس عشوائية قابلة للتكييف البعد. مستوحى من طرق المجموعات بشكل عام ومن خوارزميات التعزيز بشكل خاص، يتم تعريف BART بواسطة نموذج إحصائي: مسبق واحتمالية. يتيح هذا النهج الاستدلال الكامل على اللاحقة، بما في ذلك تقديرات النقاط والفواصل للدالة الانحدارية غير المعروفة وكذلك آثار الحوافز المحتملة الهامشية. من خلال تتبع ترددات تضمين الحوافز، يمكن استخدام BART أيضًا لاختيار المتغيرات دون افتراض أي نموذج. يتم توضيح العديد من ميزات BART من خلال مقارنة مع الطرق المنافسة على 42 مجموعة بيانات مختلفة، ومع تجربة محاكاة وعلى مشكلة تصنيف اكتشاف الدواء.