В работе представлены эмпирические алгоритмы машинного обучения для измерения вероятностных фотометрических красных смещений (photo-z) рентгеновских источников на основе квантильной регрессии\r\nансамблей деревьев решений. Опираясь на данные современных фотометрических обзоров неба (e.g\r\nPanSTARRS, SDSS, GAIA, GALEX, WISE, UKIDSS, 2MASS, FIRST, 3XMM), предложенные методы позволяют выполнять высококачественные точечные прогнозы photo-z для внегалактических объектов, делать оценки\r\nдоверительных интервалов, а также восстанавливать полные функции распределения вероятности P(z) \r\nдля всех прогнозов. Качество прогнозов photo-z тестировалось на выборках рентгеновских квазаров\r\nиз обзоров 1RASS и 3XMM DR7, а также выборке рентгеновских источников в поле XMM-XXL. Представленные алгоритмы photo-z станут важным инструментом анализа много-волновых данных о рентгеновских источниках в предстоящем обзоре неба обсерватории Спектр–Рентген–Гамма.