La clasificación automatizada del andar se ha estudiado tradicionalmente utilizando sensores montados en caballos. Sin embargo, los sensores basados en teléfonos inteligentes son más accesibles, pero el rendimiento de los modelos de clasificación del andar que utilizan datos de dichos sensores no ha sido ampliamente conocido ni accesible. En este estudio, realizamos la clasificación del andar de caballos utilizando modelos de aprendizaje profundo y datos de sensores de teléfonos móviles ubicados en el bolsillo del jinete. Reunimos datos de 17 caballos y 14 jinetes. Los datos se recopilaron simultáneamente de sensores de movimiento en un teléfono móvil ubicado en el bolsillo del jinete y un sistema de clasificación del andar basado en cuatro sensores portátiles adheridos a las extremidades del caballo. Con este enfoque eficiente para adquirir datos etiquetados, entrenamos un modelo Bi-LSTM para la clasificación del andar. La única entrada al modelo fue una señal de 50 Hz del acelerómetro y giroscopio del teléfono que se rotó al marco de referencia del caballo. Demostramos que los datos de sensores de teléfonos móviles pueden utilizarse para clasificar los cinco andares del caballo islandés con una precisión de hasta el 94.4%. El resultado sugiere que las actividades de equitación pueden estudiarse a gran escala utilizando teléfonos móviles para recopilar datos sobre los andares. Si bien nuestro estudio mostró que los sensores de teléfonos móviles podrían ser efectivos para la clasificación del andar, todavía hay algunas limitaciones que deben abordarse en investigaciones futuras. Por ejemplo, estudios adicionales podrían explorar los efectos de diferentes estilos de equitación o equipos en la precisión de la clasificación del andar o investigar formas de minimizar la influencia de factores como la colocación del teléfono. Al abordar estas preguntas, podemos seguir mejorando nuestra comprensión del andar del caballo y su papel en las actividades de equitación.