Endoxilanase merupakan enzim yang berasal dari keluarga Glikosil Hidrolase 11 yang mampu menghidrolisis ikatan 1,4-β-xilosida diantara residu xilosa dalam rantai xilan. Endoxilanase telah dipelajari akan sifat dan aktivitas optimal, dan diterapkan dalam beragam jenis kebutuhan industri. Dalam pencarian varietas endoxilanase baru, aktivitas optimal enzim dicari secara konvensional di laboratorium basah, yang mungkin memerlukan waktu dan dana yang besar. Pembelajaran mesin ditawarkan sebagai alternatif yang murah dan cepat untuk memprediksikan aktivitas optimal endoxilanase berdasarkan dari data pada basis data UniProtKB dan BRENDA, menggunakan algoritma regresi logistik yang dapat digunakan untuk data biologis seperti urutan asam amino enzim untuk klasifikasi. Model pra-optimisasi menghasilkan tingkat akurasi 67% untuk suhu optimal dan 93% untuk kingdom, sementara model pasca-optimisasi menghasilkan tingkat akurasi 73% untuk suhu optimal dan 93% untuk kingdom. Namun demikian, hasil validasi silang menandakan variasi yang luas pada tingkat akurasi yang dihasilkan oleh model tersebut, yang menandakan model mengalami overfitting. Hal tersebut diduga diakibatkan oleh jumlah data yang terbatas, ataupun data tersebut masih terlalu rumit untuk algoritma untuk membangun model yang umum. Tindakan lebih lanjut perlu dilakukan untuk memperbaiki algoritma dan pengolahan data, walaupun pembelajaran mesin terbukti mampu untuk menganalisis urutan asam amino enzim endoxilanase dan memprediksikan aktivitas optimalnya.