A Bayes-hálók olyan grafikus modellek, amelyek a változókat csomópontokként, valószínűségi függőségeiket pedig irányított nyilakként ábrázolják. A Bayes-tétel segítségével megmutatják, hogyan változtatják meg az új megfigyelések más események valószínűségét. Példa erre a diagnosztikai támogatás: a megfigyelt tünetekből a legvalószínűbb ok becslése. Erősségük az átláthatóság és a bizonytalan vagy hiányos adatok kezelésének képessége.
Ügynökök, munkafolyamatok és sablonok egyetlen munkaterületen – ingyenes, 24 órás demó.
Demó indításaAz ok-okozati következtetés (causal inference) azokat a módszereket foglalja magában, amelyekkel az adatokból ok-okozati összefüggések vezethetők le, nem pusztán korrelációk azonosíthatók. Olyan kérdésekre felel, mint: „Mi történt volna, ha nem hozzuk meg ezt az intézkedést?”. Eszközei közé tartoznak a randomizált kísérletek, például az A/B-tesztek, az oksági gráfok és a megfigyelési adatokra alkalmazott statisztikai technikák. Példa: annak ellenőrzése, hogy egy kedvezménykampány valóban növelte-e az értékesítést, vagy az idényjellegű okokból amúgy is nőtt volna.
A Naiv Bayes egyszerű osztályozási módszerek családja, amely a Bayes-tételen alapul. „Naivnak” azért nevezik, mert feltételezi, hogy minden jellemző független egymástól – ez a gyakorlatban ritkán igaz, mégis gyakran jó eredményt ad. A módszerek gyorsak, kevés tanítóadatot igényelnek, és különösen jól illeszkednek a szövegekhez. Klasszikus példa a spamszűrő, amely jellegzetes szavak alapján válogatja az e-maileket.
A rejtett Markov-modell (Hidden Markov Model, HMM) sorozatokra szolgáló statisztikai modell, amelyben a tényleges állapotok rejtettek, és csak megfigyelhető jelekből következtethetők ki. Leírja annak valószínűségét, hogy egy állapotot egy másik követ, és hogy minden állapot egy adott megfigyelést hoz létre. A HMM-ek sokáig a beszédfelismerés és a szófaji címkézés szabványát jelentették; ma is használják őket például a bioinformatikában és az idősorelemzésben.
A szakértői rendszer olyan számítógépes program, amely az emberi szakértők tudását szabályokként és tényekként tárolja, és ezekből vonja le a következtetéseket. Jellemzően egy tudásbázisból és egy szabályokat alkalmazó következtetőmotorból áll. A szakértői rendszerek az 1970-es és 1980-as években meghatározták az MI-t, például az orvosi diagnosztikában vagy műszaki berendezések konfigurálásában. Elképzeléseik ma is élnek a szabályalapú ellenőrzésekben és a tudásgráfokban.
