Els bayesians, els simbolistes i els conexionistes representen la frontera present i futura de l'aprenentatge a partir de les dades perquè qualsevol progrés cap a una intel·ligència artificial (IA) semblant a l'ésser humà se'n deriva, almenys fins que es produeix un nou avenç amb algorismes d'aprenentatge nous, més increïbles i potents. L'escenari d'aprenentatge automàtic és sens dubte molt més gran que aquests tres algorismes, però el focus aquí se centra en aquestes tres tribus a causa del seu paper actual en la IA.
- Naïve Bayes: aquest algorisme pot ser més precís que un metge per diagnosticar determinades malalties. A més, el mateix algorisme pot detectar correu brossa i predir el sentiment del text. També s'utilitza àmpliament a la indústria d'Internet per tractar fàcilment grans quantitats de dades.
- Xarxes bayesianes (forma gràfica): aquest gràfic ofereix una representació de la complexitat del món en termes de probabilitat.
- Arbres de decisió: el tipus d'algorisme d'arbre de decisió representa millor els simbolistes. L'arbre de decisions té una llarga història i indica com una IA pot prendre decisions perquè s'assembla a una sèrie de decisions imbricades, que podeu dibuixar com un arbre (d'aquí el nom).
Aquests tipus d'algorisme es divideixen a més en subcategories. Per exemple, els arbres de decisions es classifiquen com a arbres de regressió, arbres de classificació, arbres potenciats, agregats de bootstrap i bosc de rotació. Fins i tot podeu desglossar els subtipus de les subcategories. Un classificador de bosc aleatori és una mena d'agregació d'arrencada, i encara hi ha més nivells a partir d'aquí. Després de superar els nivells, comenceu a veure els algorismes reals, que es compten per milers.
