La predicción de los rendimientos de arroz juega un papel importante en la reducción de los problemas de seguridad alimentaria en India y también sugiere que las agencias gubernamentales gestionen las situaciones de sobreproducción o subproducción. Las técnicas avanzadas de aprendizaje automático desempeñan un papel vital en la predicción precisa de los rendimientos de arroz al tratar con situaciones complejas no lineales en lugar de los métodos estadísticos tradicionales. En el presente estudio, los investigadores intentaron predecir el rendimiento de arroz a través de modelos de regresión de vectores de soporte (SVR) con varios núcleos (lineal, polinómico y de función de base radial) para India en general y los cinco principales estados productores de arroz considerando parámetros de influencia, como el área bajo cultivo y producción, como variables independientes para los años 1962-2018. Los modelos mejor ajustados fueron elegidos en base a la validación cruzada y la optimización de hiperparámetros de varios parámetros de núcleo. El error cuadrático medio (RMSE) y el error absoluto medio (MAE) se calcularon para los conjuntos de datos de entrenamiento y prueba. Los resultados revelaron que SVR con varios núcleos ajustados para India en general, así como para los principales estados productores de arroz, explorarían los patrones no lineales para comprender las situaciones precisas de predicción de rendimiento. Este estudio será útil para los agricultores, así como para los gobiernos central y estatales para estimar el rendimiento de arroz con anticipación con recursos óptimos.