El Análisis de Envoltura de Datos (DEA) es una de las técnicas no paramétricas más utilizadas para la evaluación de la eficiencia técnica. DEA se preocupa exclusivamente por la minimización del error empírico, satisfaciendo, al mismo tiempo, algunas restricciones de forma (convexidad y disposición libre). Desafortunadamente, por su construcción, DEA es una metodología descriptiva que no se preocupa por prevenir el sobreajuste. En este documento, presentamos una nueva metodología que permite la estimación de tecnologías poliédricas siguiendo el principio de Minimización del Riesgo Estructural (SRM). Esta técnica se llama Máquinas basadas en Análisis de Envoltura de Datos (DEAM). Dado que el nuevo método controla el error de generalización del modelo, la estimación correspondiente de la tecnología no sufre de sobreajuste. Además, se introduce la noción de -insensibilidad, generando una definición nueva y más robusta de la eficiencia técnica. Además, mostramos que DEAM puede ser visto como una extensión de tipo aprendizaje automático de DEA, satisfaciendo los mismos postulados microeconómicos excepto por una extrapolación mínima. Finalmente, se evalúa el rendimiento de DEAM a través de simulaciones. Concluimos que el estimador de frontera derivado de DEAM es mejor que el asociado con DEA. El sesgo y el error cuadrático medio obtenidos para DEAM son menores en todos los escenarios analizados, independientemente del número de variables y DMUs.