Для задач классификации машинного обучения существует большое число метрик, характеризующих качество построенных моделей, при этом интерес представляет различия в их значениях при разном формировании исходных данных. В результате исследования получены данные, позволяющие сделать выводы о том, как сбалансированность входных категорий и доля тестовых данных влияют на такие метрики как accuracy и F1.