Durante los últimos años, se han realizado enormes esfuerzos para reducir el consumo de energía del sector de Tecnologías de la Información y la Comunicación (TIC) debido a su impacto en la huella de carbono, en particular, la proveniente del equipamiento de red. Aunque la irrupción de redes programables y softwarizadas ha abierto nuevas perspectivas para mejorar las soluciones energéticamente eficientes ya definidas para las redes IP tradicionales, el control centralizado del paradigma de Redes Definidas por Software (SDN) implica un aumento en el tiempo requerido para calcular un cambio en la configuración de la red y las acciones correspondientes a llevar a cabo (por ejemplo, instalar/eliminar reglas, poner en reposo enlaces, etc.). En este documento, se propone una solución de Aprendizaje Automático basada en Regresión Logística para predecir configuraciones de red energéticamente eficientes en SDN. Esta solución no requiere ejecutar soluciones óptimas o heurísticas en el controlador SDN, lo que de otro modo resultaría en tiempos de computación más altos. Los resultados experimentales sobre una topología de red realista muestran que nuestra solución es capaz de predecir configuraciones de red con una alta viabilidad (>95%), mejorando así los ahorros energéticos logrados por una heurística de referencia basada en Algoritmos Genéticos. Además, el tiempo requerido para la computación se reduce en un factor de más de 500,000 veces.