Аннотация:В главе рассматривается использование технологий машинного обучения, предсказывающих неизвестные значения целевого показателя по известным значениям других показателей. Генерация таких алгоритмов производится на основании эмпирических закономерностей, обнаруживаемых в данных. В главе приводится краткий обзор наиболее распространённых технологий машинного обучения, включая статистические методы, искусственные нейронные сети, метод опорных векторов, решающие деревья и леса, байесовские сети. Рассматриваются также оригинальные технологии, основанные на принятии коллективных решений по системам закономерностей. Обсуждаются вопросы корректной оценки эффективности алгоритмов диагностики и прогноза. Приводятся современные методы отбора наиболее информативных пока- зателей.