El término síndrome metabólico describe la coexistencia clínica de trastornos patológicos que pueden llevar al desarrollo de enfermedades cardiovasculares y diabetes a largo plazo, por lo que ahora se considera una etapa inicial de las entidades clínicas mencionadas anteriormente. El síndrome metabólico (MetSyn) está estrechamente asociado con el aumento de peso corporal, la obesidad y un estilo de vida sedentario. La necesidad de prevención y diagnóstico temprano es imperativa. En este artículo de investigación, experimentamos con varios modelos de aprendizaje automático supervisado (ML) para predecir el riesgo de desarrollar MetSyn. Además, se ilustra la capacidad predictiva y precisión de los modelos utilizando la técnica de sobremuestreo de minorías sintéticas (SMOTE). La evaluación de los modelos de ML destaca la superioridad del algoritmo de conjunto de apilamiento en comparación con otros algoritmos, logrando una precisión del 89,35%; valores de precisión, recuperación y puntuación F1 de 0,898; y un valor de área bajo la curva (AUC) de 0,965 utilizando SMOTE con validación cruzada de 10 pliegues.