Diagnosticar la salud financiera de las empresas y su rendimiento es actualmente una de las preguntas básicas que atrae la atención de investigadores y expertos en el campo de las finanzas y la gestión. En este estudio, nos centramos en la propuesta de modelos para medir la salud financiera y el rendimiento de los negocios. Estos modelos fueron construidos para empresas que operan en la industria de la construcción en Eslovaquia. Las empresas de construcción se identifican por su mayor liquidez y diferente estructura de capital en comparación con otras industrias. Por lo tanto, los clasificadores simples no son capaces de predecir eficazmente su salud financiera. En este trabajo, investigamos si los conjuntos de boosting son una alternativa adecuada para el análisis del rendimiento. El resultado de la investigación es el hallazgo de que el aprendizaje profundo es un enfoque adecuado destinado a medir la salud financiera y el rendimiento de la muestra de empresas analizadas. Los modelos desarrollados lograron una precisión de clasificación perfecta al utilizar los algoritmos AdaBoost y Gradient-boosting. La aplicación de un árbol de decisión como aprendiz base también resultó ser muy apropiada. El resultado es un árbol de decisión con una profundidad adecuada y una muy buena interpretabilidad.