El campo del diseño de interiores ha sido testigo de una creciente utilización del aprendizaje automático. Sin embargo, la naturaleza subjetiva de la estética plantea un desafío significativo debido a su variabilidad entre individuos y culturas. Este documento propone un método de aprendizaje automático aplicado para mejorar las puertas personalizadas fabricadas en un entorno de diseño de interiores adecuado y estético. Dado que hay millones de posibles modelos de puertas personalizadas basados en tipos de puertas, especies de madera, tintes, pinturas y tipos de vidrio, es imposible prever un modelo de diseño de hogar que se ajuste a cada puerta personalizada. Para generar los datos de clasificación, un experto en diseño de interiores debe etiquetar miles de combinaciones de puertas/diseños de hogar con los diferentes colores y tonalidades utilizados en los diseños de interiores. Estos datos entrenan un clasificador de bosque aleatorio en un contexto de aprendizaje supervisado. El clasificador predice un diseño de hogar de acuerdo con una puerta personalizada particular. Este método se aplica en el siguiente contexto: una página web muestra una elección de puertas a un cliente. El cliente selecciona las propiedades de la puerta deseada, que se envían a un servidor que devuelve un modelo de diseño de hogar estético para esta puerta. Esta configuración de puerta genera una serie de imágenes a través del módulo del motor Unity 3D, que se devuelven al cliente web. Finalmente, el cliente visualiza su puerta en un contexto de diseño de hogar estético. Los resultados muestran el buen rendimiento del clasificador de bosque aleatorio, con un nivel de precisión del 86.8%, en la predicción de un diseño de hogar adecuado, marcando el camino para futuros desarrollos que requieran evaluaciones subjetivas. Los resultados también se explican utilizando un gráfico de importancia de características, un árbol de decisiones, una matriz de confusión y texto.