Parkinson hastalığının en önemli belirtilerinden birisi konuşma bozukluklarıdır. Dolayısıyla, ses sinyallerinden problemi temsil edebilecek özniteliklerin çıkarılması ile hastalık sınıflandırılabilmektedir. Makine öğrenmesi teknikleri ile sınıflandırma problemlerinde oldukça başarılı sonuçlar üretmektedir. Bu çalışmada, Parkinson hastalığının ses sinyalleri üzerinden sınıflandırılmasında, KYK, ROS, DVM, NB ve KA makine öğrenmesi tekniklerinin başarımının araştırılması amaçlanmıştır. Bu amaç için literatüre yeni sunulan yüksek boyutlu öznitelik ve örnekleme sahip PDC veri seti kullanılmıştır. Gerçekleştirilen deneysel çalışmalarda, oldukça yüksek doğruluk değerleri elde edilmiştir. Ayrıca, kullanılan yöntemler istatiksel olarak karşılaştırılmıştır. Bu sonuçlara ek olarak, TBA ve DDA boyut indirme tekniklerinin başarıma etkileri analiz edilmiştir.