Аннотация. Статья посвящена изучению применения алгоритмов машинного обучения для классификации регионов Казахстана с использованием демографических данных за 2024 год. В исследовании рассматриваются алгоритмы дерева решений, случайного леса и k-ближайших соседей (KNN). Они демонстрируют высокую эффективность в решении данной задачи. Предварительная обработка данных включала расчет доли городского населения (urban_ratio). На его основе была построена бинарная целевая переменная. Все три рассмотренные алгоритмы показали высокую производительность в представленных экспериментальных условиях. Различия между моделями были незначительными: дерево решений, случайный лес и KNN продемонстрировали сопоставимо сильные результаты на протестированных разбиениях. Результаты указывают на потенциал методов машинного обучения для территориальной классификации на основе демографических показателей. Однако их следует интерпретировать с учетом выбранного набора признаков и способа построения целевой переменной. Также с помощью кластеризации методом k-средних и анализ главных компонентов выявили три различных демографических профиля среди районов, что обеспечивает более четкое понимание региональных различий.

Ключевые слова: машинное обучение, классификация, демография, урбанизация, анализ главных компонент, кластеризация.