Recientes estudios se han centrado en utilizar el aprendizaje automático basado en big data para abordar los efectos de los escenarios de cambio climático en la producción y calidad de plantas medicinales. Los desafíos relacionados con la recopilación de datos pueden obstaculizar el análisis de variables clave que afectan la calidad de las plantas medicinales. En el estudio presentado aquí, analizamos las variables que afectan el contenido fenólico del Makino coreano bajo diferentes escenarios de cambio climático. Aplicamos diferentes escenarios de cambio climático basados en información ambiental obtenida de la ciudad de Yeongju, Gyeongsangbuk-do, República de Corea, y cultivamos Makino para recopilar datos. Los datos recopilados incluyeron 3237, 75 y 45 registros, y se realizó una ampliación de datos para abordar este desequilibrio de datos. Diseñamos una función basada en el valor DPPH para establecer la clasificación del contenido fenólico en Makino y propusimos un modelo de conjunto de apilamiento para predecir los contenidos totales de fenoles y clasificar las clasificaciones del contenido fenólico. El modelo de regresión en la evaluación del rendimiento presentó una mejora del 6.23-7.72% en términos del MAPE; en comparación, el modelo de clasificación demostró un mejor rendimiento del 2.48-3.34% en términos de precisión. La precisión de la clasificación fue >0.825 al clasificar las clasificaciones del contenido fenólico utilizando los valores predichos del contenido total de fenoles del modelo de regresión, y los valores del área bajo la curva del modelo indicaron un alto ajuste del modelo (0.987-0.981). Planeamos identificar las variables clave para el cultivo óptimo de Makino y explorar las relaciones entre estas variables.