The increasing volume of unsolicited e-mail, called spam, has created an urgent need to develop more robust and resilient anti-spam filters. Recently, machine learning techniques have been used to successfully detect and filter spam. We present a systematic review of some popular machine learning based approaches for email spam filtering. Our review focuses on important concepts, attempts, performance and research trends in spam filtering. The preliminary part of the study examines the application of machine learning techniques in the process of email spam filtering by leading Internet Service Providers (ISPs) such as Gmail, Yahoo and Outlook email spam filters. The overall process of email spam filtering is discussed along with the efforts of various researchers to combat spam using machine learning techniques. Our review compares the advantages and disadvantages of existing machine learning approaches and open research problems in the field of spam filtering. / Увеличение объема нежелательной электронной почты, называемой спамом, вызвало острую необходимость в разработке более надежных и устойчивых антиспамовых фильтров. В последнее время для успешного обнаружения и фильтрации спама используются методы машинного обучения. Мы представляем систематический обзор популярных подходов к фильтрации почтового спама на основе машинного обучения. В нашем обзоре рассматриваются важные концепции, попытки, эффективность и тенденции исследований в области фильтрации спама. Рассматривается применение методов машинного обучения в процессе фильтрации почтового спама ведущими интернет-провайдерами (ISP), такими как Gmail, Yahoo и спам-фильтры электронной почты Outlook. Обсуждается общий процесс фильтрации почтового спама, а также усилия различных исследователей по борьбе со спамом с помощью методов машинного обучения. Сравниваются достоинства и недостатки существующих подходов машинного обучения и исследовательские проблемы в области фильтрации спама.