A dolgozatomban olyan gépi tanulási módszereket ismertetek, amelyekkel akár általánosabb döntési feladatok is elvégezhetők. Ahhoz, hogy széles körben használható legyen, az osztályozási problémák megoldását lehetővé kell tenni a 21. század legnépszerűbb platformján, az okos telefonokon. Bemutatok két olyan módszert, amellyel tetszőleges méretű gépi tanulási feladat eredményét kaphatjuk meg mobil eszközökön. Egy gyakorlati példán keresztül ismertetek egy osztályozási feladatot, ami az emberek életkörülményei és tünetei alapján próbál betegségeket prediktálni. A dolgozat a megoldás szempontjából fontos lépésekről ad egy áttekintő képet, mint az előfeldolgozás, hiányzó értékek kezelése, attribútum transzformációk, diszkretizálás. Mivel többosztályos osztályozásról van szó, a hagyományos és az egy a több ellen módszerek eredményei is olvashatók a dolgozatban. A feladat megoldásához több, mint 20, a Weka által biztosított gépi tanulási algoritmus és ezek mérési eredményei kerülnek röviden bemutatásra. A szoftveremmel egy mobil platformtól független megoldást készítettem, amely a felhasználóknak jelezheti, hogy egyes betegségek milyen valószínűséggel fordulhatnak elő a kiválasztott algoritmus szerint. Az alkalmazás legfőbb célja a tájékoztatás volt, mivel az orvoshoz fordulás előtt a betegek legfőbb információforrása az internet, ahol gyakran a keresések eredménye alapján túl komoly betegségre hajlamosak következtetni. Erre a problémára ad megoldást a szoftver a valószínűségek meghatározásával. A dolgozatban kiemelt szerepet kap a gépi tanulás folyamata az adatgyűjtéstől az adat előkészítésén át egészen a valószínűségek meghatározásáig, így teljes képet ad az olvasónak a folyamat minden lépésének nehézségeiről.