A predição das probabilidades de ocorrência de deslizamentos subsidiam a elaboração de mapas de suscetibilidade, instrumento básico na gestão de riscos geológicos e no planejamento territorial sustentável. O presente estudo propõe a modelagem estatística da suscetibilidade a deslizamentos da região central de Angra dos Reis - RJ, por meio de algoritmos de machine learning, baseando-se em dados que caracterizam fatores condicionantes de deslizamentos e o inventário de ocorrências. Inicialmente, foi conduzida uma análise geoespacializada das cicatrizes e registros de deslizamentos para compilar um inventário, fundamentando-se na localização e características geométricas dos eventos. Doze fatores condicionantes foram selecionados, incluindo dados topográficos, de cobertura vegetal e geológicos, essenciais para entender os padrões de ocorrência. Através da análise de componentes principais (PCA), identificaram-se padrões complexos nas relações entre esses fatores, permitindo uma compreensão sobre quais deles mais influenciam na deflagração de ocorrências na área de estudo. Cinco diferentes algoritmos classificadores foram aplicados para prever a suscetibilidade, como Random Forest, SVM, Regressão Logística, LightGBM e XGBoost. O teste de validação dos resultados demonstrou um bom desempenho das modelagens utilizadas, destacando-se o modelo baseado em Random Forest, cuja avaliação da taxa de falsos negativos indicou uma melhor performance em relação aos demais algoritmos testados.