现在仍然使用的分类系统还不少，如恩格勒系统、哈钦松系统、克朗奎斯特系统和APG系统等，虽然其中有些只是细节上不同，但有些却在主要的轮廓上是不同的，并且每个系统都不同程度地被分类学家采纳。显然，并不是某个系统都正确，别的系统都错误，而是每个系统都或多或少有其优缺点。至今还未发现有一个能把各个系统的全部优点都包括进去，而同时又排除其它系统的所有缺点的分类系统。

那么，我们该怎样去判断一个分类系统的好坏程度呢？预测性(Predictivity)是可以用来评价某种分类的好坏程度的最明显的准绳之一。毕竟，我们探索规律，建立模型，最主要的目的之一就是预测。

可以通过下例来理解预测性概念：如果人们发现某种植物属于禾本科，那么就能很快推知该种植物的大量资料——如花的特殊形态学（如风媒）和解剖学（如有限维管束），独特的果实与种子构造（颖果）以及许多其它有关解剖学、细胞学和化学等的一般特征，这些推论可能证明是有充分根据的，即使对于一种预先没有作过研究的禾本科植物也是如此，因为实质上所有的禾本科植物是基本一致的，这种一致性同样适用于尚待发现的或业已充分研究过的禾本科种类。因此，如果说某种植物属于禾本科这说法是对的话，那么必然预测到适用于该植物的许多资料。这种能使人们成功地完成这个过程的分类称为预测性分类(Predictive Classification)。

显然，要成功地进行预测，必须是对所预测的特征已经进行过研究。如果没有研究过某个植物类群的基因组，就无法进行基因组方面的预测。

植物分类学是一门服务面极广的基础学科，为了在多种应用场景中都有较好的预测性，就需要尽可能多地利用各方面的资料来建立分类系统。具有高度预测性的分类称之为自然分类(Natural Classification)，由此划分出的类群称为自然类群(natural groups)。

利用最多性状的分类，对多种目的来说，这样的分类是最好的，故这种分类被称为一般目的的分类。然而，在某些特殊的领域，一般目的的分类未必是最好的，即预测性不是最好的准绳。特别是许多植物学家希望对某些分类群的演化史和相互关系能有所了解，换言之，他们希望分类能反映植物的系统发育(系统发育途径或演化途径)。这种能反映系统发育情况的分类被称为系统发育的分类。

系统发育的分类与表型性分类(phenetic classification)的区别在于后者是根据植物现在具有的全面相似性和差异性(不仅在结构上，而且在细胞学、化学等方面)去分类的。因此，从定义看，一般目的的分类是表型性分类而不是系统发育分类。

系统发育分类并不是(起码在理论上)自然的分类，因为其建立分类系统的目的特别在于反映某分类群的演化关系，并且在建立这种系统时，要把系统发育资料与其它资料权衡。因此，除了演化历史方面的内容外，系统发育分类较之表型性分类的预测性要低，系统发育分类是一种特殊目的的分类。

因此，在选择分类系统的时候，一定要仔细考察建立该分类系统的依据。适用于育种学家的分类系统并不一定适用于药学家。