Luận văn thạc sĩ khoa học máy tính phân lớp dữ liệu chuỗi thời gian dựa vào một tổ hợp phân lớp 1 nn với các độ đo khoảng cách khác nhau và công nghệ gpu

Luận văn về phân lớp dữ liệu chuỗi thời gian sử dụng tổ hợp phân lớp 1-NN và GPU. Nghiên cứu khoa học máy tính giúp tăng tốc và độ chính xác.

• Tác giả: Võ Đại Dương
• Người hướng dẫn: Pgs.ts Dương Tuấn Anh
• Trường học: Trường Đại Học Bách Khoa
• Chuyên ngành: Khoa Học Máy Tính
• Đề tài: Phân Lớp Dữ Liệu Chuỗi Thời Gian Dựa Vào Một Tổ Hợp Bộ Phân Lớp 1-NN Với Các Độ Đo Khoảng Cách Khác Nhau Và Công Nghệ GPU
• Loại tài liệu: Luận Văn Thạc Sĩ
• Năm xuất bản: 2022
• Địa điểm: Tp. Hồ Chí Minh

Tóm tắt

I. Tổng Quan Phân Lớp Chuỗi Thời Gian Ứng Dụng và Lợi Ích

Việc nghiên cứu và ứng dụng kỹ thuật phân lớp dữ liệu chuỗi thời gian đang thu hút sự chú ý lớn từ giới nghiên cứu. Với sự phát triển của công nghệ, lượng dữ liệu chuỗi thời gian thu thập ngày càng tăng. Việc khai phá dữ liệu chuỗi thời gian mang lại lợi ích trong nhiều lĩnh vực như khai phá dữ liệu, thống kê, học máy, và xử lý tín hiệu. Nhiều công trình nghiên cứu đã tập trung cải thiện độ chính xác của các phương pháp phân lớp. Một kết luận quan trọng là bộ phân lớp 1-NN (Nearest Neighbor) hoạt động rất hiệu quả. Theo Ding và cộng sự (2008), thuật toán 1-NN kết hợp với độ đo DTW (Dynamic Time Warping) là tiêu chuẩn vàng. Luận văn này khám phá sự kết hợp 1-NN và GPU để đạt được hiệu suất tối ưu trong bài toán phân lớp chuỗi thời gian.

1.1. Ứng Dụng Thực Tế của Phân Lớp Chuỗi Thời Gian

Phân lớp dữ liệu chuỗi thời gian có ứng dụng rộng rãi, từ dự đoán thời tiết đến phân tích thị trường chứng khoán. Các lĩnh vực như y học, kỹ thuật, và tài chính cũng hưởng lợi từ khả năng phân loại và dự báo dựa trên dữ liệu theo thời gian. Kỹ thuật này giúp xác định mẫu, xu hướng và bất thường, hỗ trợ đưa ra quyết định thông minh và kịp thời. Ví dụ, trong y học, nó có thể giúp phát hiện sớm các bệnh tim mạch dựa trên dữ liệu nhịp tim.

1.2. Tại Sao Cần Hiệu Suất Tối Ưu Trong Phân Lớp Chuỗi Thời Gian

Với sự gia tăng nhanh chóng của lượng dữ liệu chuỗi thời gian lớn, việc đạt được hiệu suất tối ưu là rất quan trọng. Các phương pháp phân lớp truyền thống có thể chậm và tốn kém tài nguyên khi xử lý lượng dữ liệu khổng lồ. Việc tối ưu hóa giúp giảm thời gian tính toán và tăng khả năng xử lý dữ liệu theo thời gian thực. Điều này đặc biệt quan trọng trong các ứng dụng yêu cầu phản hồi nhanh chóng, như hệ thống cảnh báo sớm hoặc giao dịch tài chính tự động. Tăng tốc GPU là một giải pháp đầy hứa hẹn để giải quyết vấn đề này.

II. Thách Thức Phân Lớp Chuỗi Thời Gian Tốc Độ và Độ Chính Xác

Mặc dù 1-NN và DTW đã được chứng minh hiệu quả, việc cải thiện cả tốc độ và độ chính xác vẫn là một thách thức. Các công trình trước đây tập trung vào việc kết hợp nhiều bộ phân lớp 1-NN với các độ đo khoảng cách khác nhau. Phạm Minh Trí (2020) đã đề xuất một phương pháp dựa trên tổ hợp các độ đo khoảng cách đàn hồi và không đàn hồi. Tuy nhiên, nghiên cứu này chưa tối ưu hóa thời gian thực thi của bộ phân lớp. Do đó, cần có một giải pháp để tăng tốc quá trình tính toán mà không làm giảm độ chính xác phân lớp.

2.1. Các Độ Đo Khoảng Cách Trong Phân Lớp Chuỗi Thời Gian

Việc lựa chọn độ đo khoảng cách phù hợp là yếu tố then chốt trong phân lớp chuỗi thời gian. Các độ đo phổ biến bao gồm Euclidean distance, Manhattan distance, và DTW. Mỗi độ đo có ưu điểm và nhược điểm riêng, tùy thuộc vào đặc điểm của dữ liệu. DTW đặc biệt hữu ích khi các chuỗi thời gian có sự biến động về thời gian, nhưng lại tốn kém về mặt tính toán. Bài toán đặt ra là làm thế nào để chọn và kết hợp các độ đo khoảng cách để đạt được sự cân bằng giữa tốc độ và độ chính xác.

2.2. Vấn Đề Tối Ưu Hóa Thời Gian Tính Toán

Thời gian tính toán là một hạn chế lớn khi xử lý dữ liệu chuỗi thời gian lớn. Các thuật toán phức tạp, như DTW, có thể mất nhiều thời gian để so sánh các chuỗi. Việc sử dụng GPU để tăng tốc quá trình tính toán là một hướng đi đầy hứa hẹn. Xử lý song song trên GPU cho phép thực hiện nhiều phép tính đồng thời, giảm đáng kể thời gian cần thiết để phân lớp dữ liệu. Tuy nhiên, việc chuyển đổi các thuật toán sang GPU đòi hỏi sự hiểu biết sâu sắc về kiến trúc và lập trình CUDA hoặc OpenCL.

III. Giải Pháp Kết Hợp 1 NN Đa Độ Đo và Tăng Tốc GPU

Để giải quyết các thách thức trên, luận văn này đề xuất một phương pháp kết hợp 1-NN, nhiều độ đo khoảng cách khác nhau, và tăng tốc GPU. Phương pháp này tận dụng sức mạnh tính toán song song của GPU để giảm thời gian thực thi của tổ hợp bộ phân lớp. Đồng thời, việc bổ sung một độ đo khoảng cách mới (Hệ Số Nén CRD) vào tổ hợp nhằm tăng độ chính xác phân lớp. Mục tiêu là đạt được sự cân bằng tối ưu giữa tốc độ và độ chính xác trong phân lớp dữ liệu chuỗi thời gian.

3.1. Tổ Hợp Bộ Phân Lớp 1 NN Với Các Độ Đo Khác Nhau

Phương pháp này xây dựng một tổ hợp các bộ phân lớp 1-NN, mỗi bộ sử dụng một độ đo khoảng cách khác nhau. Các độ đo được sử dụng bao gồm DTW, DDTW, Euclidean distance, CID, và CRD. Sự đa dạng trong các độ đo khoảng cách giúp bộ phân lớp có thể xử lý nhiều loại dữ liệu chuỗi thời gian khác nhau. Quá trình phân lớp bao gồm việc tính toán khoảng cách từ mẫu cần phân loại đến tất cả các mẫu trong tập huấn luyện, sau đó chọn mẫu gần nhất dựa trên từng độ đo.

3.2. Tăng Tốc Bằng GPU Sử Dụng CUDA

Để giảm thời gian tính toán, các phép tính khoảng cách được thực hiện song song trên GPU bằng CUDA. CUDA cho phép các nhà phát triển khai thác sức mạnh của GPU để thực hiện các phép tính phức tạp một cách hiệu quả. Việc chuyển đổi các thuật toán sang GPU đòi hỏi việc tối ưu hóa mã để tận dụng kiến trúc song song của GPU. Điều này bao gồm việc chia nhỏ dữ liệu thành các khối nhỏ và xử lý chúng đồng thời trên nhiều luồng.

3.3. Bổ Sung Độ Đo Khoảng Cách Hệ Số Nén CRD

Đề tài bổ sung thêm độ đo khoảng cách Hệ Số Nén (CRD) vào tổ hợp. CRD dựa trên nguyên tắc rằng hai chuỗi thời gian tương tự có thể được nén hiệu quả hơn khi ghép lại so với khi nén riêng lẻ. Việc thêm CRD giúp tăng tính đa dạng cho tổ hợp bộ phân lớp và có thể cải thiện độ chính xác, đặc biệt trong các trường hợp dữ liệu có cấu trúc phức tạp.

IV. Thực Nghiệm và Đánh Giá Hiệu Quả Độ Chính Xác Thời Gian

Phương pháp đề xuất đã được thực nghiệm trên 14 tập dữ liệu mẫu từ website UCR. Kết quả cho thấy độ chính xác phân lớp tốt hơn và thời gian thực thi nhanh hơn so với các phương pháp trước đây. Độ chính xác trung bình của tổ hợp bộ phân lớp đạt 92%, và thời gian phân lớp trên GPU nhanh hơn trung bình 48 lần so với CPU. Các kết quả này chứng minh tính hiệu quả của việc kết hợp 1-NN, nhiều độ đo, và tăng tốc GPU.

4.1. Cấu Hình Hệ Thống và Bộ Dữ Liệu Thực Nghiệm

Các thực nghiệm được thực hiện trên một hệ thống với card đồ họa Nvidia GTX 960. Các bộ dữ liệu được sử dụng bao gồm Fish, CBF, Trace, ECGFiveDays, và một số bộ dữ liệu khác từ UCR. Các bộ dữ liệu này có đặc điểm khác nhau, cho phép đánh giá tính tổng quát của phương pháp. Thông tin chi tiết về cấu hình hệ thống và các bộ dữ liệu được trình bày trong chương 5 của luận văn.

4.2. So Sánh Độ Chính Xác Phân Lớp

Kết quả thực nghiệm cho thấy tổ hợp bộ phân lớp với CRD có độ chính xác cao hơn so với tổ hợp không có CRD. Điều này chứng minh rằng việc bổ sung CRD có thể cải thiện khả năng phân loại của bộ phân lớp. Bảng 5.5 và 5.6 trong luận văn trình bày chi tiết về tỉ lệ lỗi phân lớp trên các bộ dữ liệu thực nghiệm.

4.3. Đánh Giá Thời Gian Thực Thi

Thời gian thực thi của tổ hợp bộ phân lớp trên GPU nhanh hơn đáng kể so với trên CPU. Trung bình, GPU tăng tốc quá trình phân lớp lên 48 lần. Bảng 5.7 trong luận văn trình bày chi tiết về thời gian phân lớp của kỹ thuật 1NN-EN-CRD trên các bộ dữ liệu thực nghiệm. Điều này cho thấy sức mạnh của việc sử dụng GPU để xử lý dữ liệu chuỗi thời gian.

V. Kết Luận và Hướng Phát Triển Phân Lớp Chuỗi Thời Gian Tương Lai

Luận văn đã trình bày một phương pháp hiệu quả để phân lớp dữ liệu chuỗi thời gian bằng cách kết hợp 1-NN, nhiều độ đo khoảng cách, và tăng tốc GPU. Kết quả thực nghiệm chứng minh rằng phương pháp này có thể cải thiện cả độ chính xác phân lớp và thời gian thực thi. Hướng phát triển trong tương lai bao gồm việc khám phá các độ đo khoảng cách mới, tối ưu hóa mã CUDA, và áp dụng phương pháp này vào các bài toán thực tế.

5.1. Đóng Góp Của Luận Văn

Luận văn này đóng góp vào lĩnh vực phân lớp dữ liệu chuỗi thời gian bằng cách đề xuất một phương pháp kết hợp 1-NN, nhiều độ đo khoảng cách, và tăng tốc GPU. Kết quả thực nghiệm chứng minh tính hiệu quả của phương pháp này. Luận văn cũng cung cấp một cái nhìn tổng quan về các thách thức và cơ hội trong lĩnh vực này.

5.2. Hướng Phát Triển Trong Tương Lai

Trong tương lai, có thể khám phá các độ đo khoảng cách mới, tối ưu hóa mã CUDA, và áp dụng phương pháp này vào các bài toán thực tế. Một hướng đi khác là kết hợp phương pháp này với các kỹ thuật học sâu để tạo ra các hệ thống phân lớp mạnh mẽ hơn. Việc nghiên cứu về scaling chuỗi thời gian cũng là một hướng đi tiềm năng.

Trích đoạn nội dung tài liệu

CHƯƠNG 1 GIỚI THIỆU ĐỀ TÀI Trong chương này, chúng tôi sẽ trình bày các vấn đề mà đề tài tập trung nghiên cứu, các động cơ để thực hiện, mục tiêu cụ thể của đề tài. Ngoài ra, chúng tôi sẽ mô tả các kết quả đạt được trong quá trình nghiên cứu, khảo sát nội dung của đề tài. Giới thiệu vấn đề Các phương pháp phân lớp chuỗi thời gian (time series) đòi hỏi việc huấn luyện một bộ phân lớp (classifier) trên một tập dữ liệu, mỗi mẫu dữ liệu là một tập có thứ tự của các thuộc tính mà giá trị của nó là số thực và được gắn nhãn lớp. Phương pháp phân lớp chuỗi thời gian đã và đang được nghiên cứu trong nhiều lĩnh vực, ví dụ như khai phá dữ liệu, thống kê, học máy, xử lý tín hiệu, v.v… Nhiều công trình nghiên cứu đã cải thiện độ chính xác của phương pháp phân lớp chuỗi thời gian.

Các nhà nghiên cứu trong lĩnh vực khai phá dữ liệu chuỗi thời gian đồng thuận rằng “bộ phân lớp một lân cận gần nhất là rất khó đánh bại” [3]. Ding và các cộng sự (2008) [4] bằng thực nghiệm đã cho thấy giải thuật 1-lân cận gần nhất (1-NN) kết hợp với độ đo DTW với kích thước cửa sổ xoắn được thiết lập thông qua kiểm tra chéo đã được chấp nhận là tiêu chuẩn vàng một cách rộng rãi. Trong công trình của Lines và các cộng sự (2015) [5], các tác giả đã dựa vào nghiên cứu của Ding và các cộng sự (2008) và tìm ra rằng tổ hợp bộ phân lớp 1-NN với các độ đo khoảng cách đàn hồi (elastic distance measure) khác nhau cho ra kết quả chính xác hơn bộ phân lớp đơn lẻ sử dụng độ đo DTW. Lines và các cộng sự tạo ra tổ hợp các bộ phân lớp 1-NN với bảy độ đo khoảng cách đàn hồi như sau: Dynamic Time Warping (DTW), Weighted Dynamic Time Warping (WDTW), Longest Common Subsequence (LCS), Edit Distance with Real Penalty (EDRP), Time Warping Edit Distance (TWED) và Move-Split-Merge (MSM).

Được gợi cảm hứng từ công trình của Lines và các cộng sự, năm 2020, Phạm Minh Trí [1], [2] đề xuất một phương pháp phân lớp chuỗi thời gian dựa vào tổ hợp bộ phân lớp 1-NN với các độ đo khoảng cách khác nhau bao gồm các độ đo khoảng cách đàn hồi (elastic) và các độ đo khoảng cách không đàn hồi (non-elastic). Phạm Minh Trí tạo ra tổ hợp các bộ phân lớp 1-NN với năm độ đo khoảng cách như sau: DTW, 1 DDTW, DTW với cận dưới LB_Keogh (CDTW), độ đo Euclid và độ đo Bất biến với Độ Phức tạp (CID). Kết quả thực nghiệm trên 14 bộ dữ liệu mẫu cho thấy phương pháp phân lớp mà Trí đề xuất đã đạt được hiệu quả phân lớp khá tốt. Tuy nhiên nghiên cứu của Phạm Minh Trí (2020) cũng như nhiều công trình nghiên cứu đi trước khác chưa tối ưu tốc độ thực thi cho tổ hợp bộ phân lớp.

Chuỗi thời gian là dữ liệu có số chiều lớn gây tốn kém nhiều chi phí trong việc xử lý và lưu trữ. Ngoài hướng tiếp cận thu giảm số chiều mà vẫn giữ được các đặc trưng quan trọng, còn có hướng tiếp cận sử dụng sức mạnh xử lý song song của phần cứng như GPU (graphics processing unit) để tăng tốc tổ hợp bộ phân lớp. Tính toán bằng GPU đang được áp dụng rộng rãi trong các ứng dụng thông thường cũng như tính toán hiệu suất cao [6]. Mục tiêu của đề tài này là nghiên cứu chuyển đổi các phần của phương pháp phân lớp chuỗi thời gian sử dụng tổ hợp bộ phân lớp 1-NN với các độ đo khác nhau từ chạy tuần tự sang chạy song song với mô hình tính toán song song CUDA (Compute Unified Device Architecture) trên GPU của Nvidia.

Đề tài này hướng tới việc sử dụng sức mạnh trong tính toán song song của GPU để tăng tốc độ của phương pháp gốc đang tốn nhiều thời gian để thực thi. Bên cạnh đó, đề tài bổ sung thêm một độ đo khoảng cách mới để tăng thêm sự đa dạng của tổ hợp bộ phân lớp. Đề tài sẽ so sánh: (1) độ chính xác của phương pháp khi có thêm độ đo mới và (2) thời gian thực thi của phương pháp khi chạy trên GPU. Từ những kết quả đạt được, chúng ta sẽ biết được khả năng tăng tốc khi xử lý bằng GPU có tốt hơn hay không và tốt hơn bao nhiêu lần so với xử lý bằng CPU.

Điều này có ý nghĩa quan trọng khi lượng dữ liệu hiện nay ngày càng lớn, cũng như sức mạnh của GPU cũng ngày càng được nâng cao. Mục tiêu Chúng tôi thực hiện đề tài này nhằm đánh giá hiệu năng của tổ hợp bộ phân lớp đề xuất khi thực thi trên GPU với các tiêu chí: (1) độ chính xác phân lớp và (2) đánh giá thời gian thực thi trong việc phân lớp chuỗi thời gian cho bài toán phân lớp chuỗi thời gian, với các vấn đề chính như sau: - Thêm vào tổ hợp bộ phân lớp mà Phạm Minh Trí đề xuất một bộ phân lớp 1-NN với một độ đo khoảng cách không đàn hồi mới: Độ đo hệ số nén (Compression Rate Distance) (Vinh & Anh, 2015 [7]) 2 - Sử dụng sức mạnh xử lý song song của GPU để tăng tốc tổ hợp bộ phân lớp. Phạm vi nghiên cứu Phạm vi của đề tài này là đề xuất, nghiên cứu, hiện thực, đánh giá “Phân lớp dữ liệu chuỗi thời gian dựa vào một tổ hợp bộ phân lớp 1-NN với các độ đo khoảng cách khác nhau và công nghệ GPU”. Kết quả này là tiền đề cho việc nghiên cứu tăng độ chính xác cũng như thời gian phân lớp đối với dữ liệu chuỗi thời gian.

Những kết quả đạt được Sau thời gian nghiên cứu và hiện thực, chúng tôi đạt được các kết quả như sau: ‐ Hiểu rõ độ đo xoắn thời gian động DTW thuần tuý và DTW với kỹ thuật tính chặn dưới LB_Keogh. ‐ Hiểu rõ độ đo DDTW, một biến thể của độ đo DTW. ‐ Hiểu rõ độ đo bất biến với độ phức tạp CID. ‐ Hiểu rõ độ đo khoảng cách Hệ Số Nén CRD.

‐ Nắm được giải thuật k-lân cận gần nhất (k-NN) dùng cho bài toán phân lớp dữ liệu chuỗi thời gian. ‐ Hiện thực thành công tổ hợp bộ phân lớp 1-NN với các độ đo khoảng cách: ED, DTW, DTW với kỹ thuật tính chặn dưới LB_Keogh, DDTW, CID, CRD trên GPU. ‐ So sánh độ chính xác của tổ hợp bộ phân lớp 1-NN với các độ đo khoảng cách: ED, DTW, DTW với kỹ thuật tính chặn dưới LB_Keogh, DDTW, CID, CRD, tổ hợp bộ phân lớp 1-NN với các độ đo khoảng cách trên không bao gồm độ đo CRD. Kết quả thực nghiệm cho thấy tổ hợp bộ phân lớp 1-NN với các độ đo bao gồm độ đo CRD có độ chính xác cao hơn tổ hợp bộ phân lớp 1-NN với các độ đo khoảng cách không bao gồm độ đo CRD.

‐ So sánh thời gian xử lý của tổ hợp bộ phân lớp 1-NN với các độ đo khoảng cách: ED, DTW, DTW với kỹ thuật tính chặn dưới LB_Keogh, DDTW, CID, CRD trên GPU và tổ hợp bộ phân lớp 1-NN các độ đo khoảng cách: ED, DTW, DTW với kỹ thuật tính chặn dưới LB_Keogh, DDTW, CID, CRD trên CPU. Kết quả cho thấy thời gian xử lý của tổ hợp bộ phân lớp trên GPU nhanh hơn trên CPU trung bình 48 lần. 3 Như vậy, về cơ bản chúng tôi đã đáp ứng được yêu cầu của đề tài đặt ra. Chúng tôi sẽ trình bày chi tiết trong các phần sau.

Cấu trúc của luận văn Tổ chức các thành phần còn lại của luận văn gồm các phần như sau: Chương 2 là các cơ sở lý thuyết mà chúng tôi sử dụng trong luận văn này, bao gồm các lý thuyết cơ bản về chuỗi thời gian, các phương pháp phân lớp dữ liệu chuỗi thời gian, lý thuyết về các độ đo khoảng cách của chuỗi thời gian và lý thuyết về lập trình CUDA trên GPU. Chương 3 giới thiệu các công trình nghiên cứu liên quan. Các công trình này trình bày về các kỹ thuật phân lớp, tổ hợp bộ phân lớp, các độ đo khoảng cách trong dữ liệu chuỗi thời gian, từ cơ sở này đề xuất phương pháp nhằm tăng độ chính xác phân lớp trong việc phân lớp dữ liệu chuỗi thời gian. Chương 4 bao gồm các nội dung chi tiết cho việc thiết kế và hiện thực tổ hợp bộ phân lớp 1-NN với các độ đo khoảng cách khác nhau.

Chương 5 của đề tài này sẽ trình bày các kết quả thực nghiệm đạt được trong quá trình nghiên cứu, qua đó đánh giá được độ chính xác và thời gian thực thi của phương pháp phân lớp đề xuất. Chương 6 là một số kết luận, đóng góp của đề tài và hướng phát triển trong tương lai của đề tài. 4 CHƯƠNG 2 CƠ SỞ LÝ THUYẾT Chương này trình bày cơ sở lý thuyết về chuỗi thời gian, các thành phần của chuỗi thời gian, các độ đo khoảng cách sử dụng cho dữ liệu chuỗi thời gian, các kỹ thuật ràng buộc, các phương pháp phân lớp chuỗi chuỗi thời gian, các tiêu chí đánh giá độ chính xác trong kỹ thuật phân lớp. Chuỗi thời gian Một chuỗi thời gian (time series) là một chuỗi các điểm dữ liệu có thứ tự, mỗi điểm biểu diễn một giá trị là số thực được đo tại những thời điểm cách đều nhau.

Chuỗi thời gian được sử dụng trong xác suất thống kê, tài chính, nhận dạng mẫu, dự đoán thời tiết, v.v… và được sử dụng nhiều trong các lĩnh vực khoa học ứng dụng và kỹ thuật. Chuỗi thời gian thường được giả định là được sinh ra tại những thời điểm cách đều nhau, do đó được gọi là chuỗi thời gian thông thường (regular time series). Một chuỗi thời gian bất quy tắc (irregular time series) là một chuỗi các điểm dữ liệu có thứ tự nhưng không được đo tại các thời điểm cách đều nhau. Có vô số cách thể hiện một chuỗi thời gian.

Tuy nhiên, khi chúng ta quan sát chuỗi thời gian, chúng ta nhận thấy rằng dữ liệu chuỗi thời gian thường chia thành bốn dạng phổ biến đó là xu hướng (trend), chu kỳ (cyclical), mùa (seasonal) và bất quy tắc (irregular). Phân lớp dữ liệu 2. Khái niệm phân lớp dữ liệu Phân lớp dữ liệu là giải thuật xác định một mẫu dữ liệu thuộc vào lớp nào trong một tập các lớp thông qua việc phân tích các thuộc tính quan trọng của mẫu dữ liệu đó. Một số bộ phân lớp làm việc bằng cách so sánh khoảng cách giữa các mẫu với nhau.

Một giải thuật hiện thực phân lớp dữ liệu được gọi là một bộ phân lớp (classifier). Quá trình xây dựng một bộ phân lớp gồm có hai bước: huấn luyện (training) và phân lớp (classification).