A Coleta de dados não rotulados, treinamento para descobrir padrões ocultos, e avaliação no próprio conjunto de treino para confirmar a generalização.
B Coleta e preparação de dados rotulados, divisão em treino e teste para verificar se o modelo generaliza (e não apenas memoriza), treinamento no conjunto de treino, avaliação no conjunto de teste e posterior uso para predição em novos dados.
C Coleta de dados rotulados, divisão em treino e teste, avaliação antes do treinamento para estimar o erro mínimo possível e, por fim, treinamento apenas com o conjunto de teste.
D Coleta de dados rotulados, treinamento direto em todos os dados disponíveis (sem separação), e avaliação por inspeção manual das previsões em novos dados, dispensando métricas.
E Coleta de dados não rotulados, rotulagem automática pelo próprio modelo, e uso imediato em produção, pois a manutenção (re-treino) não é necessária em problemas de spam e fraude.