Los refrigeradores domésticos convencionales consisten en un compresor accionado por motor, un evaporador, un condensador y una válvula de expansión. Para determinar las estrategias óptimas de operación de los refrigeradores, es esencial investigar el rendimiento general del sistema, utilizando un simulador apropiado. Este estudio propuso un simulador basado en datos, basado en características de ingeniería y algoritmos de aprendizaje automático para refrigeradores domésticos convencionales. Se identificaron las variables más correlacionadas para identificar la temperatura interior de los refrigeradores utilizando la importancia de las variables, y se reveló que estas eran la velocidad del ventilador de circulación, el estado de operación del compresor y la dirección del flujo del refrigerante. Se construyó un simulador basado en datos utilizando calibración bayesiana, que considera las variables importantes, combinadas con una sencilla ecuación de balance de calor. Se utilizó el enfoque de Monte Carlo por cadenas de Markov para calibrar simultáneamente tres coeficientes en las variables críticas basadas en la ecuación de balance de calor en cada paso de tiempo, lo cual es consistente con la temperatura real del contenedor. Los resultados revelaron que el enfoque propuesto (la calibración bayesiana basada en ecuaciones supera) a los algoritmos estándar de aprendizaje automático, como la regresión lineal y los modelos de bosque aleatorio, en un 38.5%. Además, en comparación con el método de análisis numérico típico, puede reducir el tiempo de entrega y el esfuerzo requerido para desarrollar un simulador confiable para refrigeradores domésticos.