На сегодняшний день классификация – одна из самых востребованных задач машинного обучения. Существует огромное количество алгоритмов классификации, и это обусловлено не только разнообразием решаемых задача, но еще и тем, что не существует оптимального алгоритма для всех типов данных. Поэтому каждый раз приходится сталкиваться с проблемой поиска оптимального алгоритма. Подобный поиск значительно осложняется еще и тем, что требуется выбрать не только подходящий алгоритм классификации, но также и алгоритм для предобработки данных и подобрать их параметры. В результате ручной поиск подходящего сочетания алгоритмов и их параметров очень трудоемок. Целью работы стало исследование способов автоматического построения потока работ для классификации и улучшение эффективности их работы.