Nghiên cứu này đề xuất một mô hình học máy để dự đoán khả năng gọi vốn thành công của các dự án khởi nghiệp trên nền tảng Kickstarter. Hơn 377.000 dự án đã từng gọi vốn được sử dụng để huấn luyện các mô hình học máy như Random Forest, Logistic Regression, SVM, Gradient Boosting, Neural Network nhằm tìm ra mô hình phân loại tốt nhất. Sau đó, mô hình này được sử dụng để dự đoán khả năng gọi vốn thành công trên toàn bộ dữ liệu. Kết quả cho thây, Random Forest và Gradient Boosting là những mô hình hiệu quả nhất. Do Gradient Boosting có tỷ lệ sai loại II thấp hơn (1,2%) so với Random Forest (1,6%), mô hình này được lựa chọn để dự đoán khả năng gọi vốn thành công cho các dự án khởi nghiệp, giúp giảm thiểu rủi ro và bảo vệ niềm tin của nhà đầu tư.This study proposes a machine learning model to predict the fundraising success of startups on the Kickstarter platform. Utilizing a dataset of over 377,000 Kickstarter projects that had previously raised funds, the study employed various machine learning models, including Random Forest, Logistic Regression, SVM, Gradient Boosting, and Neural Network, to identify the best classification model. Subsequently, this selected model was used to predict fundraising success across the entire dataset. The results indicated that Random Forest and Gradient Boosting emerged as the most effective models. Due to its lower Type II error rate of 1.2% compared to Random Forest's 1.6%, Gradient Boosting was chosen as the final model for predicting fundraising success for startups, aiming to mitigate risks and safeguard investor confidence.