Luận văn tập trung nghiên cứu các phương pháp phân lớp dữ liệu phổ biến như cây quyết định, Naive Bayes, mạng nơ-ron và máy vector hỗ trợ, đồng thời ứng dụng chúng vào bài toán phân lớp nấm (Mushroom) sử dụng công cụ Weka. Dữ liệu đầu vào được tiền xử lý và lựa chọn đặc trưng nhằm nâng cao độ chính xác. Kết quả thực nghiệm cho thấy các thuật toán đạt hiệu suất cao trong việc phân loại nấm độc và nấm ăn được, trong đó cây quyết định J48 và Random Forest cho độ chính xác vượt trội. Nghiên cứu khẳng định tính hiệu quả của Weka trong khai phá dữ liệu và đề xuất hướng mở rộng ứng dụng vào các lĩnh vực phân lớp khác.