Apuntando al problema de la monitorización del comportamiento del movimiento de cabras (acostarse, estar de pie, caminar y correr) que consume mucho tiempo, es intensivo en mano de obra y de baja precisión, mientras se basa en el sensor de aceleración de tres ejes y toma los datos de aceleración obtenidos del punto de recogida en la espalda de la cabra como objeto de investigación, se propone un método basado en el aprendizaje social (SL) utilizando el Algoritmo de Optimización de Ballenas (WOA) y XGBoost para el reconocimiento del comportamiento del movimiento de las cabras. En este método, los parámetros de XGBoost se optimizan mediante el WOA combinado con estrategias de aprendizaje social para mejorar la precisión de clasificación y reconocimiento. Los resultados muestran que la tasa de reconocimiento del comportamiento de acostarse fue tan alta como 97.14%, y la tasa de reconocimiento promedio de los cuatro comportamientos de movimiento fue del 94.42%, cumpliendo con los requisitos de reconocimiento del comportamiento del movimiento de las cabras. En comparación con el algoritmo XGBoost convencional, la tasa de reconocimiento promedio aumentó en un 3.41% y la precisión de reconocimiento se mejoró. Los resultados de este estudio pueden proporcionar una referencia para la evaluación de la salud de las cabras y la advertencia inteligente de enfermedades.