本发明提供了一种基于机器学习预测抗生素抗性表型的方法、设备及应用，包括获得基因组数据集和抗生素的抗性表型并将其处理成矩阵格式；将菌株数据集合随机分为训练集和测试集；筛选对抗性表型预测起到重要作用的特征；采用交叉验证的方法得到最优参数；基于最优参数重新构建训练集模型，并应用于测试集评估模型最终的性能评估；本发明整合快速发展的基因组测序技术积累的大量菌株的多组学数据和全球多实验室公开的抗生素抗性数据，通过机器学习算法预测细菌的耐药表型，从而在无需药敏实验的情况下利用机器学习方法根据基因组数据来预测细菌的抗生素抗性表型，提示临床个体化用药，并有效遏制因不合理使用抗生素导致新耐药表型的产生和传播。