Bajesai, simbolistai ir konnekcionistai atstovauja dabartinę ir būsimą mokymosi iš duomenų sieną, nes bet kokia pažanga link į žmogų panašaus dirbtinio intelekto (AI) kyla iš jų, bent jau tol, kol įvyks naujas proveržis su naujais, neįtikėtinais ir galingesniais mokymosi algoritmais. Mašininio mokymosi peizažas tikrai yra daug didesnis nei šie trys algoritmai, tačiau pagrindinis dėmesys čia skiriamas šioms trims gentims dėl dabartinio jų vaidmens AI.
- Naivus Bayesas: šis algoritmas gali būti tikslesnis nei gydytojas diagnozuojant tam tikras ligas. Be to, tas pats algoritmas gali aptikti šlamštą ir numatyti nuotaikas iš teksto. Jis taip pat plačiai naudojamas interneto pramonėje, kad būtų galima lengvai apdoroti didelius duomenų kiekius.
- Bajeso tinklai (grafo forma): šis grafikas parodo pasaulio sudėtingumą tikimybių požiūriu.
- Sprendimų medžiai: sprendimų medžio tipo algoritmas geriausiai atspindi simbolistus. Sprendimų medis turi ilgą istoriją ir nurodo, kaip dirbtinis intelektas gali priimti sprendimus, nes jis panašus į įdėtų sprendimų seriją, kurią galite nupiešti kaip medį (taigi ir pavadinimas).
Šie algoritmų tipai toliau skirstomi į subkategorijas. Pavyzdžiui, sprendimų medžiai skirstomi į regresijos medžius, klasifikavimo medžius, paaukštintus medžius, apibendrintus įkrovos medžius ir rotacinius miškus. Jūs netgi galite įsigilinti į subkategorijų potipius. Atsitiktinis miško klasifikatorius yra savotiškas įkrovos agregavimas, ir iš ten yra dar daugiau lygių. Kai peržengiate lygius, pradedate matyti tikrus algoritmus, kurių skaičius siekia tūkstančius.