Naive Bayes är en familj av enkla klassificeringsmetoder som bygger på Bayes sats. De kallas ”naiva” eftersom de förutsätter att alla särdrag är oberoende av varandra, vilket sällan stämmer i praktiken men ändå ofta ger goda resultat. Metoderna är snabba, kräver lite träningsdata och passar särskilt bra för text. Ett klassiskt exempel är spamfiltret som sorterar e-post utifrån typiska ord.
En klassificerare är en modell eller metod som placerar indata i en av flera förutbestämda kategorier. Klassiska varianter som beslutsträd eller naiv Bayes tränas på annoterade exempel; språkmodeller kan också sortera texter utifrån en beskrivning av kategorierna. Typiska användningar är skräppostdetektering, sortering av kundförfrågningar efter ämne och kategorisering av kvitton. Kvaliteten mäts med mått som noggrannhet, precision och täckning.
Textklassificering tilldelar automatiskt texter till fördefinierade kategorier, till exempel e-postmeddelanden efter typ av ärende, recensioner efter sentiment eller dokument efter ämne. Tidigare krävde detta att man tränade egna modeller på märkta exempel; i dag kan stora språkmodeller ofta tilldela kategorier utifrån enbart en beskrivning. Det gör det möjligt att förhandssortera förfrågningar och snabbare dirigera dem till rätt team.
Logistisk regression är en statistisk metod som förutsäger sannolikheten för ett av två utfall, som ”köper” eller ”köper inte”. Den viktar indatavariablerna och omvandlar deras summa till ett värde mellan 0 och 1 med en S-formad funktion. Eftersom vikterna är lätta att tolka används den flitigt inom kreditvärdering, medicin och marknadsföring, ofta som en stabil baslinje för mer komplexa modeller.
Bayesianska nätverk är grafiska modeller som representerar variabler som noder och deras probabilistiska beroenden som riktade pilar. Med hjälp av Bayes sats visar de hur nya observationer förändrar sannolikheten för andra händelser. Ett exempel är diagnosstöd: att uppskatta den mest sannolika orsaken utifrån observerade symtom. Deras styrkor är transparens och förmågan att hantera osäkra eller ofullständiga data.
