Con el desarrollo de la sociedad, hay una demanda cada vez más urgente de materiales estructurales ligeros, de alta resistencia y resistentes a altas temperaturas. Los aleaciones de alta entropía (HEAs) deben gran parte de sus propiedades inusuales a la selección entre tres fases: solución sólida (SS), compuesto intermetálico (IM) y mezcla de SS e IM (SS e IM). Por lo tanto, la predicción precisa de fases es crucial para guiar la selección de combinaciones de elementos para formar HEAs con las propiedades deseadas. Las aleaciones de alta entropía ligeras (LHEAs), como una rama significativa de las HEAs, exhiben un excelente rendimiento en términos de resistencia específica. En este estudio, empleamos un método de aprendizaje automático (ML) para realizar el diseño de aleaciones de alta entropía ligeras basadas en soluciones sólidas. Determinamos que el modelo de Clasificador de Aumento de Gradiente es el mejor modelo de aprendizaje automático a través de una selección de características y modelos en dos pasos, en la que su precisión y F1_Score alcanzan 0.9166 y 0.8923. Según los resultados predichos, obtuvimos Al28Li35Mg15Zn10Cu12 LHEAs, que están compuestas principalmente por un 90% de solución sólida. Esta aleación se ajusta a los resultados de predicción del aprendizaje automático. Pero está compuesta por una solución sólida de dos fases. Para obtener una aleación de alta entropía ligera dominada por una única solución sólida, diseñamos Al24Li15Mg26Zn9Cu26 LHEAs sobre la base de los resultados de predicción del aprendizaje automático acompañados de la experiencia de expertos. Su estructura principal incluye una solución sólida de fase única. Nuestro trabajo proporciona un enfoque alternativo para el diseño computacional de HEAs y ofrece una dirección para la futura exploración de aleaciones de alta entropía ligeras.