Boken 'Algorithmic Learning in a Random World' tar for seg konformalt prediksjon, en tilnærming til prediksjon som har sine røtter i maskinlæring fra slutten av 1990-tallet. Den fremste egenskapen ved konformalt prediksjon er den systematiske behandlingen av påliteligheten til prediksjoner. Prediksjonsalgoritmene som beskrives i boken — konformale prediktorer — er bevist å være gyldige, noe som betyr at de vurderer påliteligheten av sine egne prediksjoner på en måte som hverken er for pessimistisk eller for optimistisk (det siste kan være spesielt farlig). Tilnærmingen er samtidig fleksibel nok til å inkorporere de fleste eksisterende kraftige metodene innen maskinlæring. Boken dekker både sentrale konformale prediktorer og den matematiske analysen av deres egenskaper. 'Algorithmic Learning in a Random World' inneholder, i tillegg til bevis for gyldighet, resultater om effektiviteten til konformale prediktorer. Den eneste antakelsen som kreves for gyldighet er 'tilfeldighet' (at prediksjonsalgoritmen får presentert uavhengige og identisk fordelte eksempler).
