Bayesovci, simbolisti in povezovalci predstavljajo sedanjo in prihodnjo mejo učenja iz podatkov, ker vsak napredek v smeri človeku podobni umetni inteligenci (AI) izhaja iz njih, vsaj dokler ne pride do novega preboja z novimi, bolj neverjetnimi in zmogljivimi algoritmi učenja. Kulisa strojnega učenja je zagotovo veliko večja od teh treh algoritmov, vendar je tukaj poudarek na teh treh plemenih zaradi njihove trenutne vloge v AI.
- Naivni Bayes: Ta algoritem je lahko bolj natančen kot zdravnik pri diagnosticiranju določenih bolezni. Poleg tega lahko isti algoritem zazna neželeno pošto in predvidi čustva iz besedila. Prav tako se pogosto uporablja v internetni industriji za enostavno obdelavo velikih količin podatkov.
- Bayesova omrežja (grafična oblika): Ta graf ponuja predstavitev kompleksnosti sveta glede na verjetnost.
- Odločitvena drevesa: Algoritem tipa odločilnega drevesa najbolje predstavlja simboliste. Drevo odločitev ima dolgo zgodovino in kaže, kako lahko AI sprejema odločitve, ker spominja na vrsto ugnezdenih odločitev, ki jih lahko narišete kot drevo (od tod tudi ime).
Te vrste algoritmov so nadalje razdeljene na podkategorije. Na primer, drevesa odločitev so kategorizirana kot regresijska drevesa, klasifikacijska drevesa, okrepljena drevesa, agregirani zagonski programi in rotacijski gozd. Lahko se celo poglobite v podvrste podkategorij. Naključni gozdni klasifikator je neke vrste zagonsko združevanje in od tam je še več ravni. Ko presežete ravni, začnete videti dejanske algoritme, ki se štejejo na tisoče.