Objetivo. Establecer el sobresaliente modelo predictivo para las métricas de Machine Learning, entre neurorrendimiento académico, neuroaprendizaje, características de los estudiantes y la longitud de onda en la Universidad José Carlos Mariátegui Filial Tacna, 2018-I. Materiales y métodos. Se utilizó el diseño no experimental y la correspondencia del coeficiente de determinación R, en un enfoque cuantitativo. La población estuvo compuesta por 650 estudiantes, con una muestra de 194 estudiantes, el nivel de confianza fue de 95%, el intervalo de error es de 5%. Los instrumentos empleados fueron la media de evaluación por estudiante, la nómina de características individuales y encuestas acerca de la longitud de onda. Resultados. La regresión de decisión forestal con 0,985251 fue el mejor modelo predictivo; además, se obtuvo un buen índice Kappa, determinado por medio del software Azure Machine Learning Studio. Conclusiones. Para cada escuela se determinó el mejor modelo predictivo, a medida que el entrenamiento se realice con mayor población,aumentara el índice Kappa.