Le reti bayesiane sono modelli grafici che rappresentano le variabili come nodi e le loro dipendenze probabilistiche come frecce orientate. Con il teorema di Bayes permettono di calcolare come nuove osservazioni modifichino la probabilità di altri eventi. Un esempio è il supporto alla diagnosi: dai sintomi osservati si stima la causa più probabile. I punti di forza sono la trasparenza e la capacità di gestire dati incerti o incompleti.
Agenti, flussi e modelli in un’unica area di lavoro – demo gratuita di 24 ore.
Avvia demoL'inferenza causale comprende i metodi per ricavare dai dati relazioni di causa ed effetto, invece di limitarsi a individuare correlazioni. Risponde a domande come «Che cosa sarebbe successo se non avessimo adottato questa misura?». Gli strumenti includono esperimenti randomizzati come i test A/B, grafi causali e tecniche statistiche per dati osservazionali. Esempio: verificare se una promozione ha davvero aumentato le vendite o se sarebbero cresciute comunque per motivi stagionali.
Naive Bayes è una famiglia di semplici metodi di classificazione basati sul teorema di Bayes. Sono detti “ingenui” perché presuppongono che tutte le caratteristiche siano indipendenti tra loro, cosa raramente vera nella pratica ma che spesso porta comunque a buoni risultati. Sono veloci, richiedono pochi dati di addestramento e si prestano bene ai testi. Esempio classico è il filtro antispam che classifica le e-mail in base a parole tipiche.
Un modello di Markov nascosto (Hidden Markov Model, HMM) è un modello statistico per sequenze in cui gli stati reali sono nascosti e si possono dedurre solo da segnali osservabili. Descrive con quale probabilità uno stato segue l’altro e quale osservazione produce. Gli HMM sono stati a lungo lo standard nel riconoscimento vocale e nell’etichettatura delle parti del discorso; oggi si usano ancora, ad esempio, in bioinformatica e nell’analisi di serie temporali.
Un sistema esperto è un programma che conserva le conoscenze di specialisti umani sotto forma di regole e fatti e ne ricava conclusioni. In genere è composto da una base di conoscenza e da un motore inferenziale che applica le regole. I sistemi esperti hanno segnato l’IA degli anni Settanta e Ottanta, ad esempio nella diagnosi medica o nella configurazione di impianti tecnici. Le loro idee sopravvivono oggi nei controlli basati su regole e nei grafi della conoscenza.
