Debido a que COVID-19 ocurrió en 2019, el comportamiento de los humanos ha cambiado y influirá en el modelo de negocio de la empresa. La empresa no puede predecir su desarrollo según el conocimiento y experimentos pasados; por lo tanto, necesita un nuevo marco de aprendizaje automático para predecir el rendimiento empresarial. El objetivo de esta investigación es modificar AdaBoost para predecir razonablemente el rendimiento empresarial. Para justificar la utilidad del modelo propuesto, se recopilarán datos de la empresa y el modelo propuesto se utilizará para predecir el rendimiento empresarial después de COVID-19. La tasa de corrección de los datos de prueba del modelo propuesto se comparará con algunos de los modelos tradicionales de aprendizaje automático. En comparación con el AdaBoost tradicional, la red neuronal de retropropagación (BPNN), el clasificador de regresión, la máquina de vectores de soporte (SVM) y la regresión de vectores de soporte (SVR), el método propuesto posee una mejor capacidad de clasificación (la tasa de corrección promedio del método propuesto es del 88.04%) en el manejo de dos problemas de clasificación. En comparación con el AdaBoost tradicional, el SVM de uno contra todos, el SVM de uno contra uno, el SVR de uno contra todos y el SVR de uno contra uno, la capacidad de clasificación del método propuesto también es relativamente mejor para hacer frente al problema de clasificación multiclase. Finalmente, se discutirán algunas conclusiones e investigaciones futuras al final.