La modelización de la propagación de la señal de radio sigue siendo una de las tareas más críticas en la planificación de sistemas de comunicación inalámbrica, incluidas las redes de sensores inalámbricos (WSN). A pesar de la existencia de un número considerable de modelos de propagación, los estudios destinados a caracterizar la atenuación en el canal inalámbrico siguen siendo numerosos y relevantes. Estos estudios se utilizan en el diseño y planificación de redes inalámbricas desplegadas en diversos entornos, incluidos aquellos con abundante vegetación. Este trabajo analiza el rendimiento de tres modelos de propagación de vegetación, ITU-R, FITU-R y COST-235, y los compara con mediciones de pérdida de trayecto realizadas en un campo de yuca en Sincelejo, Colombia. Además, aplicamos cuatro técnicas de aprendizaje automático: regresión lineal (LR), k-vecinos más cercanos (K-NN), máquina de vectores de soporte (SVM) y bosque aleatorio (RF), con el objetivo de mejorar los niveles de precisión de predicción. Los resultados muestran que los modelos de vegetación basados en enfoques tradicionales no pueden caracterizar adecuadamente la atenuación, mientras que los modelos obtenidos mediante aprendizaje automático utilizando RF, K-NN y SVM pueden predecir la pérdida de trayecto en yuca con valores de RMSE y MAE por debajo de 5.