Montekarlo metodes ir skaitļošanas paņēmieni, kas izmanto ļoti lielu nejaušu izlašu skaitu, lai tuvinātu rezultātus, kurus analītiski ir grūti aprēķināt. Sistēmu simulē tūkstošiem reižu ar nejauši variētiem pieņēmumiem un analizē rezultātu sadalījumu. Organizācijas tās izmanto riska analīzei, projektu plānošanai vai portfeļa vērtēšanai. MI jomā šīs metodes cita starpā izmanto pastiprinātajā mācīšanā un koku meklēšanā spēlēs.
Beijesa tīkli ir grafiski modeļi, kas mainīgos attēlo kā mezglus un to varbūtiskās atkarības kā virzītas bultas. Izmantojot Beijesa teorēmu, tie parāda, kā jauni novērojumi maina citu notikumu varbūtību. Viens piemērs ir diagnostikas atbalsts: visticamākā cēloņa novērtēšana pēc novērotajiem simptomiem. To stiprās puses ir pārredzamība un spēja apstrādāt nenoteiktus vai nepilnīgus datus.
Pastiprinātā mācīšanās ir mašīnmācīšanās nozare, kurā aģents mācās ar izmēģinājumu un kļūdu metodi. Tas darbojas vidē, saņem atlīdzību par labiem rezultātiem un sodus par sliktiem un tādā veidā izstrādā stratēģiju, kas maksimizē tā kopējo atlīdzību. Pazīstami piemēri ir programmas, kas apgūst galda spēles, piemēram, go, robotu vadība un valodas modeļu precizēšana, balstoties uz cilvēku vērtējumiem.
Prognozējošā modelēšana ir prognozējošās analītikas tehniskais kodols: no piemēru datiem ar zināmiem rezultātiem izveido modeli, kas jauniem gadījumiem prognozē vērtību vai klasi. Izplatītas metodes ir regresija, lēmumu koki, nejaušie meži un neironu tīkli. Modelis, piemēram, var novērtēt īpašuma cenu pēc platības, atrašanās vietas un celtniecības gada. Pirms izvietošanas to testē ar atlikto datu kopu, lai atklātu pārmērīgu pielāgošanos.
Slēptais Markova modelis (HMM) ir statistisks modelis secībām, kurā faktiskie stāvokļi ir slēpti un tos var secināt tikai no novērojamiem signāliem. Tas apraksta varbūtību, ka viens stāvoklis seko citam un ka katrs stāvoklis rada noteiktu novērojumu. HMM ilgu laiku bija standarts runas atpazīšanā un vārdšķiru marķēšanā; mūsdienās tos joprojām izmanto, piemēram, bioinformātikā un laikrindu analīzē.
