Аннотация:Работа Д.М.Бардашевой посвящена оценке качества предсказания филогении с помощью методов машинного обучения, а именно, решающих деревьев и случайного леса. Данные методы аккумулируют в себе сразу несколько критериев оценки качества и поэтому в настоящее время являются популярными и считаются наиболее эффективными для решения задач классификации. Одним из важных этапов при использовании решающих деревьев и случайного леса является этап обучения модели. В работе изучаются аспекты, влияющие на качество обучения и, как следствие, на качество распознавания модели. Рассмотрены различные методы обучения и выбран оптимальный. Изучено влияние объема обучающей выборки, применения процедуры отсечения ветвей и балансировки. Также проанализирована возможность неучета некоторых известных критериев оценки качества, которые являются затратными по времени.