Bayesilaiset verkot ovat graafisia malleja, jotka esittävät muuttujat solmuina ja niiden todennäköisyysriippuvuudet suunnattuina nuolina. Bayesin kaavan avulla ne näyttävät, miten uudet havainnot muuttavat muiden tapahtumien todennäköisyyttä. Esimerkki on diagnostinen tuki: todennäköisimmän syyn arvioiminen havaittujen oireiden perusteella. Niiden vahvuuksia ovat läpinäkyvyys ja kyky käsitellä epävarmaa tai puutteellista dataa.
Agentit, työnkulut ja mallit yhdessä työtilassa – maksuton 24 tunnin demo.
Aloita demoKausaalipäättely kattaa menetelmät, joilla datasta johdetaan syy–seuraus-suhteita sen sijaan, että tunnistettaisiin pelkkiä korrelaatioita. Se vastaa kysymyksiin, kuten ”Mitä olisi tapahtunut, jos emme olisi tehneet tätä toimenpidettä?”. Työkaluja ovat satunnaistetut kokeet, kuten A/B-testit, kausaaligraafit ja havaintoaineistojen tilastolliset tekniikat. Esimerkki: tarkistetaan, lisäsikö alennuskampanja todella myyntiä vai olisiko myynti noussut joka tapauksessa kausiluonteisista syistä.
Naiivi Bayes on joukko yksinkertaisia luokittelumenetelmiä, jotka perustuvat Bayesin kaavaan. Niitä kutsutaan ”naiiveiksi”, koska ne olettavat kaikkien piirteiden olevan toisistaan riippumattomia, mikä on harvoin totta käytännössä mutta tuottaa silti usein hyviä tuloksia. Menetelmät ovat nopeita, tarvitsevat vähän opetusdataa ja sopivat erityisen hyvin tekstille. Klassinen esimerkki on roskapostisuodatin, joka lajittelee sähköpostit tyypillisten sanojen perusteella.
Piilotettu Markovin malli (HMM) on tilastollinen malli jonoille, joissa varsinaiset tilat ovat piilossa ja ne voidaan päätellä vain havaittavista signaaleista. Se kuvaa todennäköisyyttä, jolla yksi tila seuraa toista ja jolla kukin tila tuottaa tietyn havainnon. HMM-mallit olivat pitkään puheentunnistuksen ja sanaluokkamerkinnän vakiomenetelmä; nykyään niitä käytetään yhä esimerkiksi bioinformatiikassa ja aikasarja-analyysissä.
Asiantuntijajärjestelmä on tietokoneohjelma, joka tallentaa ihmisasiantuntijoiden osaamisen sääntöinä ja tosiasioina ja tekee niiden pohjalta johtopäätöksiä. Se koostuu tyypillisesti tietämyskannasta ja päättelykoneesta, joka soveltaa sääntöjä. Asiantuntijajärjestelmät muovasivat tekoälyä 1970- ja 1980-luvuilla, esimerkiksi lääketieteellisessä diagnostiikassa tai teknisten laitteiden konfiguroinnissa. Niiden ajatukset elävät edelleen sääntöpohjaisissa tarkistuksissa ja tietämysgraafeissa.
