Este estudio se llevó a cabo con el fin de determinar las características morfológicas, la distribución del color del pelaje y las dimensiones corporales de los burros criados en Turquía, así como para determinar las relaciones entre estos factores. Por esta razón, se comparó el rendimiento predictivo de varios algoritmos de aprendizaje automático (es decir, CHAID, Random Forest, ALM, MARS y Bagging MARS), utilizando los datos biométricos de los burros. En particular, se tomaron medidas promedio de un total de 371 burros (252 machos y 119 hembras) con los siguientes valores estadísticos descriptivos: altura a la cruz, 100.7 cm; altura de la grupa, 103.1 cm; longitud del cuerpo, 103.8 cm; circunferencia del pecho, 112.8 cm; profundidad del pecho, 45.7 cm; ancho del pecho, 29.1 cm; circunferencia de la espinilla delantera, 13.5 cm; longitud de la cabeza, 55 cm; y longitud de la oreja, 22 cm. La distribución del color del cuerpo de los burros considerados en este estudio se calculó como 39.35% gris, 19.95% blanco, 21.83% negro y 18.87% marrón. Se calcularon estadísticas de ajuste del modelo, incluyendo el coeficiente de determinación (R), el error cuadrático medio, el error cuadrático medio de raíz (RMSE), el error porcentual absoluto medio (MAPE) y la relación de desviación estándar (relación SD), para medir la capacidad predictiva de los modelos ajustados. Se encontró que el algoritmo MARS era el mejor modelo para definir la longitud del cuerpo de los burros, con el valor más alto de R (0.916) y los valores más bajos de RMSE, MAPE y relación SD (2.173, 1.615 y 0.291, respectivamente). Los resultados experimentales indican que el modelo más adecuado es el algoritmo MARS, que proporciona una buena alternativa a otros algoritmos de minería de datos para predecir la longitud del cuerpo de los burros.