El terrorismo representa una amenaza significativa para la paz y estabilidad internacionales. La capacidad de predecir posibles víctimas resultantes de ataques terroristas, basada en características específicas de los ataques, es vital para proteger la seguridad de civiles inocentes. Sin embargo, los métodos convencionales de muestreo de datos luchan por abordar de manera efectiva el desafío del desequilibrio de datos en las características textuales. Para abordar este problema, presentamos un algoritmo novedoso, GA-CatBoost-Weight, diseñado para predecir si los ataques terroristas provocarán víctimas entre civiles inocentes. Nuestro enfoque comienza con la selección de características utilizando el método RF-RFE, seguido por el aprovechamiento del algoritmo CatBoost para manejar de manera integral diversas características modales y para mitigar el desequilibrio de datos. Además, empleamos el Algoritmo Genético (GA) para ajustar los hiperparámetros. La validación experimental ha demostrado el rendimiento superior de nuestro método, logrando una sensibilidad del 92.68% y un puntaje F1 del 90.99% con menos iteraciones. Hasta donde sabemos, nuestro estudio es la investigación pionera que aplica CatBoost para abordar la predicción de resultados de ataques terroristas.