La presente investigación es de enfoque cuantitativo de diseño no experimental, transversal correlacional. Se analizaron las variables sociodemográficas como: grado, sexo, edad, convivencia, trabaja, rendimiento en los cursos de matemática y comunicación, variables de comportamiento (conducta) en el aula, permitirán reconocer y pronosticar a los estudiantes con riesgo de conducta antisocial, mediante de un modelo de regresión logística binario. La muestra está conformada por 524 alumnos matriculados en el presente año 2018 del cual se obtuvo la información completa del registro de tutoría. Se concluyó que Aplicando Regresión Logística con SMOTE posee mejor desempeño como clasificador ante el riesgo de conducta antisocial; produce un alto índice de Sensibilidad, que es para predecir la categoría de Si está en Riesgo de Conducta Antisocial. Con respecto al resultado de l...