Nghiên cứu này thực hiện phân lớp dữ liệu hoa Iris bằng ba thuật toán học máy phổ biến: Naive Bayes, Random Forest và K-Nearest Neighbors (KNN). Mục tiêu chính là so sánh hiệu suất của các mô hình trong việc phân loại ba loài hoa Iris dựa trên bốn đặc trưng hình thái. Dữ liệu được tiền xử lý và chia thành tập huấn luyện và kiểm tra. Kết quả thực nghiệm cho thấy cả ba thuật toán đều đạt độ chính xác cao trên bộ dữ liệu Iris. Tuy nhiên, Random Forest và KNN cho thấy khả năng phân lớp vượt trội hơn so với Naive Bayes, đặc biệt trong việc xử lý các ranh giới quyết định phức tạp giữa các lớp. Nghiên cứu khẳng định tính hiệu quả của các phương pháp học máy trong bài toán phân lớp đa lớp và cung cấp cơ sở để lựa chọn thuật toán phù hợp dựa trên đặc điểm dữ liệu và yêu cầu về độ chính xác.