Trình bày các bước cơ bản của quá trình học của mô hình học máy:
1. Thu thập và chuẩn bị dữ liệu chứa các mẫu cần thiết cho bài toán cần giải quyết. Ví dụ, thu thập các email rác và email thường trong bài toán lọc thư rác. Dữ liệu thu thập cần đủ lớn và được chia làm hai phần. Phần thứ nhất dành cho mô hình học máy học, phần còn lại dùng để kiểm tra hiệu suất của mô hình.
2. Sử dụng các thuật toán để trích xuất các đặc trưng từ dữ liệu ở Bước D để làm đầu vào cho mô hình học máy cụ thể. Ví dụ, trích xuất các đoạn văn bản, từ khoá, chủ đề,... chứa các đặc điểm của thư rác hay thư thường trong các email.
3. Mô hình học máy sẽ học các tri thức từ các mẫu dữ liệu ở Bước 2 nhằm có thể dự báo, dự đoán, gom cụm,... Sau quá trình này, mô hình học máy đã tích luỹ tri thức để giải quyết bài
toán đã cho.
4. Sử dụng phần dữ liệu kiểm tra để đánh giá hiệu suất của mô hình. Nếu hiệu suất của mô hình chưa đạt, thì cần điều chỉnh mô hình để đạt kết quả tốt hơn.
5. Triển khai mô hình học máy.