Bài viết này nhằm dự báo khả năng khách hàng rời bỏ dịch vụ thẻtín dụng tại ngân hàng bằng các phương pháp học máy. Các phương phápđược sử dụng bao gồm Random Forest, SVM, Naïve Bayes, hồi quy Logistic, vàphương pháp kết hợp cả 4 phương pháp trên. Kết quả phân tích cho thấy cácphương pháp này đều có chất lượng dự báo khá tốt với độ chính xác cao. Đặcbiệt, kết quả dự báo bằng Random Forest tốt nhất trên tất cả các tiêu chí baogồm Accuracy, Precision, Sensitivity, Specificity và F1 score. Ngoài ra, nhữngyếu tố quan trọng nhất ảnh hưởng đến khả năng rời bỏ dịch vụ thẻ tín dụng củakhách hàng là về lịch sử giao dịch thẻ tín dụng và mối quan hệ của khách hàngvới ngân hàng. Kết quả này có thể mang lại những khuyến nghị cho nhà quản lýngân hàng trong việc giữ chân khách hàng đang sử dụng dịch vụ thẻ tín dụngThis paper aims to forecast the likelihood of customers leaving bank credit card services usingmachine learning methods. The methods used include Random Forest, SVM, Naïve Bayes, Logisticregression, and a combination of all four methods. The results show that those methods have goodpredictive quality with high accuracy. In particular, the prediction results by Random Forest are the best onall criteria from accuracy, sensitivity, specificity to F Score. In addition, the most important factors affectingthe customer churn probability are indicators related to transaction history, products, and the relationshipbetween the bank and the customer. This result can provide recommendations for bank managers inretaining customers who are using credit card services.