Naivni Bayes je družina preprostih metod razvrščanja, ki temeljijo na Bayesovem izreku. Imenujejo se „naivne“, ker predpostavljajo, da so vse značilnice med seboj neodvisne, kar v praksi redko drži, a pogosto vseeno prinese dobre rezultate. Metode so hitre, potrebujejo malo podatkov za učenje in so še posebej primerne za besedila. Klasičen primer je filter neželene pošte, ki e-pošto razvršča na podlagi značilnih besed.
Agenti, poteki dela in predloge v enem delovnem prostoru – brezplačna 24-urna predstavitev.
Začni predstavitevKlasifikator je model ali metoda, ki vnose uvrsti v eno od več vnaprej določenih kategorij. Klasične različice, kot so odločitvena drevesa ali naivni Bayes, se učijo na označenih primerih; jezikovni modeli lahko besedila razvrščajo tudi na podlagi opisa kategorij. Tipična uporaba so prepoznavanje neželene pošte, razvrščanje povpraševanj strank po temah in razvrščanje računov. Kakovost se meri z merili, kot so točnost, natančnost in priklic.
Razvrščanje besedil samodejno razvršča besedila v vnaprej določene kategorije, na primer e-pošto po vrsti zahtevka, ocene po sentimentu ali dokumente po temi. Prej je bilo za to treba učiti posebne modele na označenih primerih; danes veliki jezikovni modeli kategorije pogosto dodelijo že na podlagi opisa. Tako je mogoče povpraševanja vnaprej razvrstiti in jih hitreje usmeriti k pravi ekipi.
Logistična regresija je statistična metoda, ki napoveduje verjetnost enega od dveh izidov, kot sta „kupi“ ali „ne kupi“. Vhodne značilnosti uteži in njihovo vsoto z S-oblikovano funkcijo pretvori v vrednost med 0 in 1. Ker so uteži lahko razložljive, se pogosto uporablja pri kreditnem točkovanju, v medicini in trženju, pogosto kot trdna izhodiščna osnova za zahtevnejše modele.
Bayesove mreže so grafični modeli, ki spremenljivke predstavijo kot vozlišča, njihove verjetnostne odvisnosti pa kot usmerjene puščice. S pomočjo Bayesovega izreka pokažejo, kako nova opažanja spremenijo verjetnost drugih dogodkov. Primer je podpora pri diagnostiki: ocena najverjetnejšega vzroka na podlagi opaženih simptomov. Njihove prednosti so preglednost in zmožnost obravnave negotovih ali nepopolnih podatkov.
