В статье рассматривается проблема создания алгоритмов для идентификации технического состояния электромеханических систем (ЭС) с использованием методов машинного обучения. Актуальность решения этой проблемы обусловлена необходимостью эффективного использования значительных объемов эмпирических данных, которые формируются при эксплуатации и исследованиях ЭС. Методы машинного обучения позволяют синтезировать алгоритмы, которые являются основой создания обучающихся систем ранней диагностики, способных адаптироваться при поступлении новой информации. Для повышения эффективности методов машинного обучения в работе предлагаются схемы обработки данных, модели и алгоритмы, позволяющие в автоматизированном режиме выделять диагностические признаки при построении классификационных моделей. Приводятся результаты расчетных исследований на примере диагностики технического состояния электромеханического привода (ЭМП) при отработке стационарного управляющего сигнала.