La baja productividad del ajo en Brasil requiere un manejo nutricional más eficiente. Para ello, los factores ambientales y de fertilización deben ajustarse a un conjunto de condiciones locales. Nuestro objetivo fue proporcionar un diagnóstico preciso del estado nutricional de los cultivos de ajo en el sur de Brasil. El conjunto de datos comprendía 1024 observaciones, 962 como pruebas de campo realizadas durante el período 2015-2017 para entrenar el modelo, y 61 observaciones de campo recopiladas durante el período 2018-2019 para validar el modelo. Los modelos de aprendizaje automático (MLM) relacionaron el rendimiento del ajo con características de gestión, edáficas, de la planta y climáticas. Los métodos de análisis de datos composicionales (CoDa) permitieron la clasificación de nutrientes en orden de limitación para el rendimiento donde el MLM detectó desequilibrio de nutrientes. El análisis de tejidos solo arrojó una precisión del 0,750 en regresión y del 0,891 en clasificación sobre el punto de corte de rendimiento de 11 toneladas por hectárea. Agregando todas las características documentadas en el conjunto de datos, la precisión alcanzó el 0,855 en regresión y el 0,912 en clasificación. El diagnóstico local basado en MLM y CoDa y teniendo en cuenta las características locales difirió del diagnóstico regional entre las características. El diagnóstico local de nutrientes puede diferir del diagnóstico regional porque se tienen en cuenta varios factores que afectan el rendimiento y las composiciones de referencia son representativas de las condiciones locales.