As redes bayesianas são modelos gráficos que representam variáveis como nós e as suas dependências probabilísticas como setas dirigidas. Com base no teorema de Bayes, mostram como novas observações alteram a probabilidade de outros acontecimentos. Um exemplo é o apoio ao diagnóstico: estimar a causa mais provável a partir dos sintomas observados. Os seus pontos fortes são a transparência e a capacidade de lidar com dados incertos ou incompletos.
Agentes, fluxos e modelos num só espaço de trabalho – demonstração gratuita de 24 horas.
Iniciar demonstraçãoA inferência causal abrange métodos para deduzir relações de causa e efeito a partir de dados, em vez de apenas identificar correlações. Responde a perguntas como "O que teria acontecido se não tivéssemos tomado esta medida?". Entre as ferramentas contam-se experiências aleatorizadas, como os testes A/B, os grafos causais e técnicas estatísticas para dados observacionais. Exemplo: verificar se uma campanha de descontos aumentou de facto as vendas ou se estas teriam subido de qualquer forma por razões sazonais.
Naive Bayes é uma família de métodos de classificação simples baseados no teorema de Bayes. São chamados «ingénuos» porque assumem que todas as características são independentes umas das outras, o que raramente acontece na prática, mas muitas vezes produz, ainda assim, bons resultados. Os métodos são rápidos, precisam de poucos dados de treino e são particularmente adequados para texto. Um exemplo clássico é o filtro de spam, que ordena os e-mails com base em palavras típicas.
Um modelo oculto de Markov (HMM, do inglês hidden Markov model) é um modelo estatístico para sequências em que os estados reais estão ocultos e só podem ser deduzidos a partir de sinais observáveis. Descreve a probabilidade de um estado suceder a outro e de cada estado produzir uma dada observação. Os HMM foram durante muito tempo a norma no reconhecimento de voz e na anotação morfossintática; hoje continuam a ser usados, por exemplo, na bioinformática e na análise de séries temporais.
Um sistema especialista é um programa informático que guarda o know-how de especialistas humanos sob a forma de regras e factos e retira conclusões a partir deles. Consiste tipicamente numa base de conhecimento e num motor de inferência que aplica as regras. Os sistemas especialistas marcaram a IA nas décadas de 1970 e 1980, por exemplo no diagnóstico médico ou na configuração de equipamento técnico. As suas ideias perduram hoje em verificações baseadas em regras e em grafos de conhecimento.
