En la ganadería, predecir con precisión la relación de conversión de alimento (RCA) es crucial para mejorar la eficiencia de producción y reducir costos. Este estudio tuvo como objetivo explorar si el aprendizaje automático podría utilizar datos de RCA a corto plazo para predecir la RCA a largo plazo. Utilizando 438,552 muestras de alimento de cerdos en Sichuan, los investigadores probaron 19 algoritmos de aprendizaje automático. Los resultados mostraron que el modelo de Gradient Boosting fue el que mejor desempeño tuvo. Cuando el intervalo de prueba superó los 40 kg, este modelo logró una alta precisión, con un coeficiente de determinación de 0.72 y una correlación de 0.85 entre los valores predichos y los valores reales. Se encontró que la etapa de alimentación más ideal para las pruebas de RCA era de 50 a 90 kg. Estos hallazgos proporcionan una forma efectiva de predecir la eficiencia alimentaria, ayudando a los agricultores a optimizar las estrategias de alimentación, asignar mejor los recursos y gestionar el ganado de manera más proactiva, contribuyendo así a una ganadería más sostenible y eficiente.