La impresión aditiva (AM) está creciendo cada vez más en la industria manufacturera; el aumento en el consumo mundial de energía fomenta la cuantificación y optimización del uso de energía en los procesos de fabricación aditiva. La orientación de la pieza a imprimir es muy importante para reducir el consumo de energía. Nuestro trabajo se centra en definir la dirección más apropiada para minimizar el consumo de energía. En este documento, se aplican doce algoritmos de aprendizaje automático (ML) para modelar el consumo de energía en el proceso de modelado por deposición fundida (FDM) utilizando una base de datos de impresión 3D FDM de componentes mecánicos isovolumétricos. El modelo predictivo adecuado fue seleccionado utilizando cuatro criterios de rendimiento: error absoluto medio (MAE), error cuadrático medio (RMSE), R-cuadrado (R2) y puntuación de varianza explicada (EVS). Se observó claramente que el modelo de regresión de proceso gaussiano (GPR) estima el consumo de energía en el proceso FDM con alta precisión: R > 99%, EVS > 99%, MAE < 3.89 y RMSE < 5.8.