Bayeslased, sümbolistid ja konnektionistid esindavad andmetest õppimise praegust ja tulevast piiri, sest nendest tuleneb igasugune edasiminek inimesesarnase tehisintellekti (AI) suunas, vähemalt seni, kuni toimub uus läbimurre uute ja uskumatumate ja võimsamate õppimisalgoritmidega. Masinõppe maastik on kindlasti palju suurem kui need kolm algoritmi, kuid siin keskendutakse nendele kolmele hõimule nende praeguse rolli tõttu AI-s.
- Naiivne Bayes: see algoritm võib teatud haiguste diagnoosimisel olla täpsem kui arst. Lisaks suudab sama algoritm tuvastada rämpsposti ja ennustada teksti põhjal meeleolu. Seda kasutatakse laialdaselt ka Interneti-tööstuses suurte andmemahtude hõlpsaks töötlemiseks.
- Bayesi võrgud (graafiku vorm): see graafik esitab maailma keerukuse tõenäosuse alusel.
- Otsustuspuud: otsustuspuu tüüpi algoritm esindab kõige paremini sümboliste. Otsuste puul on pikk ajalugu ja see näitab, kuidas tehisintellekt saab otsuseid teha, kuna see sarnaneb pesastatud otsuste seeriaga, mida saate puuna joonistada (sellest ka nimi).
Need algoritmitüübid jagunevad veelgi alamkategooriateks. Näiteks otsustuspuud liigitatakse regressioonipuudeks, klassifikatsioonipuudeks, võimendatud puude, alglaadimisagregaatide ja rotatsioonipuude alla. Saate isegi süveneda alamkategooriate alamtüüpidesse. Juhuslik metsa klassifikaator on omamoodi bootstrap agregeerimine ja sealt on veelgi rohkem tasemeid. Kui olete tasemetest üle saanud, hakkate nägema tegelikke algoritme, mille arv ulatub tuhandetesse.