Este trabajo aborda el diseño e implementación de un sistema de control de humedad para cultivos de rabanitos, desarrollado mediante Machine Learning supervisado. La investigación responde a la necesidad de optimizar la calidad de los cultivos, dado que las limitaciones en el acceso al agua y las prácticas de riego tradicionales afectan la productividad. Se implementó un modelo de predicción basado en Random Forest, entrenado con 22,080 registros de datos obtenidos de sensores IoT que miden humedad del suelo, temperatura y humedad relativa. Los datos fueron almacenados y procesados en InfluxDB y Python, donde se aplicaron técnicas de lag features para mejorar la precisión del modelo. Este sistema permite estimar el nivel óptimo de humedad y ajustar dinámicamente el riego en tiempo real mediante un flujo automatizado en Node-RED y ESP32. Los resultados muestran que Random Forest...