La metodología de evaluación de la cavitación convencional en aplicaciones industriales y científicas generalmente depende de modelos de cavitación que utilizan la suposición de mezcla homogénea. Estos modelos han sido ampliamente evaluados, modificados y ampliados para corregir las deficiencias de sus predecesores. Desafortunadamente, ninguno de los modelos propuestos puede ser clasificado como la solución universal para todas las aplicaciones de ingeniería, siendo su uso principalmente dirigido por la experiencia o la disponibilidad general de los modelos. En este estudio proponemos un flujo de trabajo a través del cual las constantes empíricas que rigen el cambio de fase del modelo de cavitación de mezcla de Kunz pueden ser calibradas para una aplicación específica o una serie de problemas, utilizando el aprendizaje automático como herramienta para la estimación de parámetros. El enfoque propuesto fue validado en un caso de prueba de hélice tridimensional con resultados en excelente acuerdo para el caso en cuestión. Los resultados de empuje y par estaban dentro del 2% con extensiones de cavidad diferentes en hasta un 20%. Esto representa una mejora significativa en comparación con los parámetros previamente propuestos. A pesar de la falta de generalización debido a la naturaleza limitada del conjunto de datos en el que se entrenó el modelo, los parámetros propuestos proporcionan resultados aceptables para casos similares también. La metodología general es aplicable a otros problemas y debería llevar a predicciones de cavitación más precisas.