Бајесовци, симболисти и конекционисти представљају садашњу и будућу границу учења из података јер сваки напредак ка људској вештачкој интелигенцији (АИ) произилази из њих, барем док се не догоди нови пробој са новим, невероватнијим и моћнијим алгоритмима учења. Пејзаж машинског учења је свакако много већи од ова три алгоритма, али фокус је овде на ова три племена због њихове тренутне улоге у АИ.
- Наивни Бајес: Овај алгоритам може бити тачнији од лекара у дијагностици одређених болести. Поред тога, исти алгоритам може открити нежељену пошту и предвидети расположење из текста. Такође се широко користи у Интернет индустрији за лаку обраду великих количина података.
- Бајесове мреже (форма графа): Овај граф нуди приказ сложености света у смислу вероватноће.
- Дрво одлучивања: Тип Одлука дрво алгоритма најбоље представља симболиста. Стабло одлучивања има дугу историју и указује на то како вештачка интелигенција може да доноси одлуке јер подсећа на низ угнежђених одлука, које можете нацртати као стабло (отуда име).
Ови типови алгоритама су даље подељени у поткатегорије. На пример, стабла одлука су категорисана као стабла регресије, стабла класификације, појачана стабла, агрегирана почетничка стабла и шума ротације. Можете чак и детаљно анализирати подврсте поткатегорија. Насумични шумски класификатор је врста покретачког агрегирања, а одатле постоји још више нивоа. Након што прођете нивое, почињете да видите стварне алгоритме, који се броје на хиљаде.