Рассматривается выбор метода машинного обучения для решения задачи оценки текущего качества ИТ-услуги. Для корректного формирования обучающей выборки выбран язык программирования Python и импортированные библиотеки Pandas и Numpy. В качестве критериев сравнения методов машинного обучения рассмотрена F-мера как обобщающее понятие полноты и точности классификации по каждому классу состояний отдельно и длительность выполнения процедуры обучения и предсказания. На основе описанных критериев рассмотрены методы машинного обучения, применяемые для решения задач классификации, а именно: метод ближайших соседей, логистической регрессии, наивного Байесовского классификатора, дерева решений, градиентного бустинга и нейронной сети. В результате сравнительного анализа из указанного набора методов определен один — наиболее успешный для решения рассматриваемой задачи.

< ... >