En las granjas lecheras comerciales, la mastitis está asociada con un aumento en el uso de antimicrobianos y la resistencia asociada, lo que puede afectar la producción de leche. Este estudio tuvo como objetivo desarrollar modelos de predicción basados en sensores para la mastitis bovina clínica de aparición natural utilizando nueve algoritmos de aprendizaje automático con datos de 447 vacas mastíticas y 2146 vacas sanas obtenidos de cinco granjas comerciales en el noreste de China. Las variables estaban relacionadas con la actividad diaria, el tiempo de rumia y la producción diaria de leche de las vacas, así como la conductividad eléctrica de la leche. Se utilizaron conjuntos de datos tanto Z-estandarizados como no estandarizados relacionados con cuatro etapas específicas de la lactancia para entrenar y probar los modelos de predicción. Para los cuatro subgrupos, el conjunto de datos Z-estandarizado arrojó mejores resultados que el de los no estandarizados, siendo el algoritmo de red neuronal artificial multicapa el que mostró el mejor rendimiento. Las variables importantes tenían un rango similar en este algoritmo, lo que indica la consistencia de estas variables como predictores de mastitis bovina en granjas comerciales con sistemas automáticos similares. Además, el rendimiento máximo de leche (PMY) de las vacas mastíticas fue significativamente mayor que el de las vacas sanas (< 0.005), lo que indica que el ganado de alto rendimiento es más propenso a la mastitis. Nuestros resultados muestran que los algoritmos de aprendizaje automático son herramientas efectivas para predecir la mastitis en vacas lecheras para una intervención y gestión inmediata en granjas comerciales.