Naive Bayes er en familie af enkle klassifikationsmetoder baseret på Bayes' sætning. De kaldes »naive«, fordi de antager, at alle features er uafhængige af hinanden, hvilket sjældent er tilfældet i praksis, men alligevel ofte giver gode resultater. Metoderne er hurtige, kræver kun få træningsdata og er særligt velegnede til tekst. Et klassisk eksempel er spamfilteret, der sorterer e-mails ud fra typiske ord.
En klassifikator er en model eller metode, der tildeler input til én af flere foruddefinerede kategorier. Klassiske varianter som beslutningstræer eller naive Bayes trænes på mærkede eksempler; sprogmodeller kan også sortere tekster ud fra en beskrivelse af kategorierne. Typiske anvendelser er spamgenkendelse, sortering af kundehenvendelser efter emne og kategorisering af bilag. Kvaliteten måles med nøgletal som nøjagtighed, præcision og recall.
Tekstklassifikation placerer automatisk tekster i foruddefinerede kategorier, f.eks. e-mails efter henvendelsestype, anmeldelser efter sentiment eller dokumenter efter emne. Tidligere krævede det, at man trænede dedikerede modeller på mærkede eksempler; i dag kan store sprogmodeller ofte tildele kategorier alene ud fra en beskrivelse. Det gør det muligt at forsortere henvendelser og sende dem hurtigere til det rigtige team.
Logistisk regression er en statistisk metode, der forudsiger sandsynligheden for et af to udfald, f.eks. »køber« eller »køber ikke«. Den vægter input-features og omdanner deres sum til en værdi mellem 0 og 1 med en S-formet funktion. Fordi vægtene er lette at fortolke, er den udbredt inden for kreditscoring, medicin og marketing, ofte som en solid baseline for mere komplekse modeller.
Bayesianske netværk er grafiske modeller, der repræsenterer variabler som knuder og deres sandsynlighedsmæssige afhængigheder som rettede pile. Ved hjælp af Bayes' sætning viser de, hvordan nye observationer ændrer sandsynligheden for andre hændelser. Et eksempel er diagnosestøtte: at anslå den mest sandsynlige årsag ud fra observerede symptomer. Deres styrker er gennemsigtighed og evnen til at håndtere usikre eller ufuldstændige data.
