En el escenario de comunicación de tipo de máquina masiva (mMTC) 5G, el equipo de usuario con mala calidad de señal requiere numerosas repeticiones para compensar la atenuación adicional de la señal. Sin embargo, un número excesivo de repeticiones consume recursos inalámbricos adicionales, disminuyendo la tasa de transmisión y aumentando el consumo de energía. Un número insuficiente de repeticiones impide el descifrado exitoso de los datos por los receptores, lo que conduce a una alta tasa de error de bits. El estudio actual desarrolló enfoques adaptativos de repetición con el k-vecino más cercano (KNN) y la máquina de vectores de soporte (SVM) para aumentar sustancialmente la eficacia de transmisión de red para el sistema de comunicación de tipo de máquina mejorado (eMTC) en el escenario mMTC 5G. Los resultados de la simulación mostraron que la repetición propuesta con el enfoque de aprendizaje mejoró efectivamente la probabilidad de transmisión exitosa, la utilización de recursos, el número promedio de repeticiones y el consumo de energía promedio. Por lo tanto, es más adecuado para el sistema eMTC en el escenario mMTC que la tabla de búsqueda común.