Questa tesi si propone di rispondere ad una prima e fondamentale richiesta nell'ambito della diagnostica vibro-acustica del veicolo: la classificazione del motore. In questo lavoro viene proposto un framework flessibile e user-friendly per predire differenti proprietà di un motore. Nel capitolo 1 viene presentata la letteratura preesistente in materia di diagnostica vibro-acustica e viene altresì motivata la necessità della classificazione del motore in questo contesto. Nel capitolo 2 viene presentato il processo di raccolta dei dati e di estrazione delle cosiddette "features" interessanti per la previsione delle caratteristiche. Il capitolo 3 delinea gli algoritmi di machine learning utilizzati e fornisce al lettore alcune intuizioni sul funzionamento degli algoritmi di classificazione.