Este estudio investigó la viabilidad de utilizar rasgos fenotípicos fáciles de medir para predecir ovejas resistentes, resilientes y susceptibles a nematodos gastrointestinales, comparó el rendimiento de clasificación de los métodos de regresión logística multinomial (MLR), análisis discriminante lineal (LDA), bosque aleatorio (RF) y red neuronal artificial (ANN), y evaluó la aplicabilidad del mejor modelo de clasificación en cada granja. La base de datos comprendía 3654 registros de 1250 ovejas Santa Inês de 6 granjas. Los animales fueron clasificados en resistentes (2605 registros), resilientes (939 registros) y susceptibles (110 registros) según el conteo de huevos fecales y el volumen celular empaquetado. Se realizó un método de sobremuestreo aleatorio para equilibrar el conjunto de datos. Los métodos de clasificación se ajustaron utilizando la información de la clase de edad, el mes del registro, la granja, el sexo, el grado de Famacha(c), el peso corporal y la puntuación de condición corporal como predictores, y la resistencia, resiliencia y susceptibilidad a nematodos gastrointestinales como las clases objetivo a predecir considerando datos de todas las granjas de manera aleatoria. Se utilizó una técnica adicional de validación cruzada de dejar-una-granja-fuera para evaluar la calidad de la predicción entre granjas. Los modelos MLR y LDA presentaron un buen rendimiento en la predicción de animales susceptibles y resistentes. Los resultados sugieren que el uso de registros fácilmente disponibles y rasgos fácilmente medibles puede proporcionar información útil para apoyar decisiones de gestión a nivel de granja.