Οι Bayesians, οι συμβολιστές και οι συνδετικοί αντιπροσωπεύουν το παρόν και το μελλοντικό σύνορο της μάθησης από δεδομένα, επειδή οποιαδήποτε πρόοδος προς μια ανθρώπινη τεχνητή νοημοσύνη (AI) προέρχεται από αυτά, τουλάχιστον μέχρι να συμβεί μια νέα ανακάλυψη με νέους και πιο απίστευτους και ισχυρούς αλγόριθμους μάθησης. Το σκηνικό της μηχανικής εκμάθησης είναι σίγουρα πολύ μεγαλύτερο από αυτούς τους τρεις αλγόριθμους, αλλά η εστίαση εδώ είναι σε αυτές τις τρεις φυλές λόγω του τρέχοντος ρόλου τους στην τεχνητή νοημοσύνη.
- Naïve Bayes: Αυτός ο αλγόριθμος μπορεί να είναι πιο ακριβής από έναν γιατρό στη διάγνωση ορισμένων ασθενειών. Επιπλέον, ο ίδιος αλγόριθμος μπορεί να ανιχνεύσει ανεπιθύμητα μηνύματα και να προβλέψει το συναίσθημα από το κείμενο. Χρησιμοποιείται επίσης ευρέως στη βιομηχανία του Διαδικτύου για την εύκολη επεξεργασία μεγάλων ποσοτήτων δεδομένων.
- Μπεϋζιανά δίκτυα (μορφή γραφήματος): Αυτό το γράφημα προσφέρει μια αναπαράσταση της πολυπλοκότητας του κόσμου ως προς την πιθανότητα.
- Δέντρα απόφασης: Ο τύπος του αλγορίθμου δέντρου αποφάσεων αντιπροσωπεύει καλύτερα τους συμβολιστές. Το δέντρο αποφάσεων έχει μακρά ιστορία και υποδεικνύει πώς μια τεχνητή νοημοσύνη μπορεί να λάβει αποφάσεις επειδή μοιάζει με μια σειρά ένθετων αποφάσεων, τις οποίες μπορείτε να σχεδιάσετε ως δέντρο (εξ ου και το όνομα).
Αυτοί οι τύποι αλγορίθμων χωρίζονται περαιτέρω σε υποκατηγορίες. Για παράδειγμα, τα δέντρα αποφάσεων κατηγοριοποιούνται ως δέντρα παλινδρόμησης, δέντρα ταξινόμησης, ενισχυμένα δέντρα, συγκεντρωτικά bootstrap και δάσος περιστροφής. Μπορείτε ακόμη και να αναλύσετε τους υποτύπους των υποκατηγοριών. Ένας τυχαίος ταξινομητής δασών είναι ένα είδος συγκέντρωσης bootstrap και υπάρχουν ακόμη περισσότερα επίπεδα από εκεί. Αφού ξεπεράσετε τα επίπεδα, αρχίζετε να βλέπετε τους πραγματικούς αλγόριθμους, οι οποίοι αριθμούνται σε χιλιάδες.