Los estados de comportamiento como caminar, sentarse y estar de pie son importantes para indicar el bienestar, incluida la cojera en pollos de engorde. Sin embargo, las observaciones manuales del comportamiento de los individuos a menudo están limitadas por restricciones de tiempo y tamaños de muestra pequeños. Los acelerómetros tridimensionales tienen el potencial de recopilar información sobre el comportamiento animal. Aplicamos un algoritmo de bosque aleatorio para procesar los datos de acelerómetros de pollos de engorde. Se utilizaron datos de tres cepas de pollos de engorde en una variedad de edades (de 25 a 49 días) para entrenar y probar el algoritmo, y a diferencia de otros estudios, el algoritmo se probó además en una cepa de pollo de engorde no vista. Cuando se probó en aves no vistas de las tres cepas de pollos de engorde de entrenamiento, el modelo de bosque aleatorio clasificó los comportamientos con muy buena precisión (92%) y especificidad (94%) y buena sensibilidad (88%) y precisión (88%). Con la nueva cepa no vista, el modelo clasificó los comportamientos con muy buena precisión (94%), sensibilidad (91%), especificidad (96%) y precisión (91%). Por lo tanto, utilizamos con éxito un modelo de bosque aleatorio para detectar automáticamente tres comportamientos de pollos de engorde en cuatro cepas diferentes y diferentes edades utilizando acelerómetros. Estos hallazgos demostraron que los acelerómetros pueden utilizarse para registrar automáticamente comportamientos para complementar la investigación biomecánica y del comportamiento y apoyar en el principio de reducción de las 3Rs.