Este estudio desarrolló y evaluó modelos de aprendizaje automático (MLMs) para predecir los impulsores del interés en la inversión en sukuk verde (GSII) en Nigeria, adoptando los pilares de los determinantes hipotetizados adaptados de variantes del modelo de comportamiento planificado y la teoría de las finanzas conductuales. De los siete modelos utilizados en la predicción, el bosque aleatorio, que tuvo el nivel más alto de precisión (82.35% para los datos de prueba y 90.37% para los datos de entrenamiento), con un buen valor R (0.774), fue la opción óptima para la predicción. El modelo de bosque aleatorio clasificó finalmente 10 de los predictores hipotetizados de GSII, que sustentaron constructos como riesgo, control conductual percibido, disponibilidad de información y crecimiento, como altamente importantes; 21, que incluían todos los constructos hipotetizados en la medición, como moderadamente importantes; y los 15 restantes como de baja importancia. La importancia de las características determinada por el modelo de bosque aleatorio proporcionó un valor específico por indicador, que puede ayudar a los emisores de sukuk verde (GS) a priorizar los impulsores más importantes del interés en la inversión, sugerir contextos importantes para la mejora de políticas de inversión ética e informar sobre la asignación óptima de recursos y recomendaciones pragmáticas para las partes interesadas con respecto a la financiación de proyectos de mitigación del cambio climático en Nigeria.