El rendimiento académico de estudiantes internacionales y estudiantes con discapacidades ha atraído cada vez a más investigadores teóricos y prácticos. Sin embargo, estudios previos utilizaron cuestionarios, encuestas y/o entrevistas para investigar los factores que afectan el rendimiento académico de los estudiantes. Estos métodos no pueden ayudar a las universidades a brindar apoyo oportuno a estudiantes excelentes y pobres. Por lo tanto, este estudio utilizó los algoritmos Perceptrón Multicapa (MLP), Máquina de Vectores de Soporte (SVM), Bosque Aleatorio (RF) y Árbol de Decisión (DT) para construir modelos de predicción para el rendimiento académico de estudiantes internacionales, estudiantes con discapacidades y estudiantes locales basados en perfiles de admisión de los estudiantes y sus resultados del promedio de calificaciones del primer semestre. Los datos reales incluyeron 4036 estudiantes de primer año de una universidad técnica y vocacional de Taiwán. Los resultados experimentales mostraron que para estudiantes internacionales, tres modelos: SVM (100%), MLP (100%) y DT (100%) fueron significativamente superiores a RF (96,6%); para estudiantes con discapacidades, SVM (100%) superó a RF (98,0%), MLP (96,0%) y DT (94,0%); para estudiantes locales, RF (98,6%) superó a DT (95,2%), MLP (94,9%) y SVM (91,9%). Las características más importantes fueron [números de créditos requeridos], [principal fuente de ingresos para vivir], [departamento], [ocupaciones del padre], [ocupaciones de la madre], [números de créditos electivos], [ingreso promedio mensual de los padres] y [educación del padre]. Los resultados de este estudio pueden ayudar a las comunidades académicas a proponer medidas preventivas en las primeras etapas para atraer a más estudiantes internacionales y mejorar las ventajas competitivas de la escuela.