La contaminación por PM está aumentando, causando problemas de salud. El objetivo de este estudio fue modelar el comportamiento del PMAQI (índice de calidad del aire) utilizando modelos predictivos de aprendizaje automático (ML) de regresión lineal, lasso, ridge y elastic net. Se utilizaron un total de 16,543 registros del área de Huachac, Junín en Perú, con regresores de humedad en % y temperatura en grados Celsius. El enfoque de este estudio es el PMAQI y las variables ambientales. Métodos: Se aplicaron análisis exploratorio de datos (EDA) y modelos predictivos de aprendizaje automático. Resultados: El PMAQI tiene valores altos en invierno y primavera, con promedios de 52.6 y 36.9, respectivamente, y valores bajos en verano, con un valor máximo en septiembre (primavera) y un mínimo en febrero (verano). El uso de modelos de regresión produjo métricas precisas para elegir el mejor modelo para la predicción del PMAQI. La comparación con otras investigaciones destaca la robustez de los modelos de ML elegidos, subrayando el potencial del ML en el PMAQI. Conclusiones: El modelo predictivo encontrado fue = 0.1111111 y un valor de Lambda = 0.150025, representado por PMAQI = 83.0846522 - 10.302222000 (Humedad) - 0.1268124 (Temperatura). El modelo tiene un R ajustado de 0.1483206 y un RMSE de 25.36203, y permite la toma de decisiones en el cuidado del medio ambiente.