Este estudio intenta utilizar técnicas de aprendizaje automático recientemente desarrolladas para desarrollar un algoritmo de predicción general para suelos agrícolas en Arabia Saudita, específicamente en la región de Taif. Las mediciones de fluorescencia de rayos X por dispersión de energía (EDXRF) se utilizaron para desarrollar modelos predictivos nacionales que predicen las concentraciones de 14 micronutrientes en suelos de granjas de rosas de Taif, para proporcionar datos de alta calidad comparables a los métodos convencionales. Los algoritmos de aprendizaje automático utilizados en este estudio incluyeron el modelo lineal simple, la regresión lineal multivariante (MLR); y dos modelos no lineales, el bosque aleatorio (RF) y las líneas de regresión adaptativas multivariante (MARS). Nuestro estudio propone una estrategia de aprendizaje automático (ML) para predecir parámetros de fertilidad de manera más precisa en suelos agrícolas utilizando 10 granjas de rosas de Taif en Taif, Arabia Saudita como estudio de caso. Los resultados demostraron que MARS proporciona un rendimiento de predicción más alto cuando el número de variables explicativas es pequeño, mientras que RF es superior cuando el número de variables es grande. Por otro lado, se recomienda MLR como un método moderado para predecir variables multivariadas. El estudio mostró que los modelos multivariados pueden usarse para superar las limitaciones del dispositivo EDXRF, como los límites de detección altos y un elemento que no se puede medir directamente.