A dengue é considerada uma das doenças com índices mais expressivos no Brasil. O crescente aumento nas taxas observadas afeta diretamente os serviços públicos de saúde de forma que avaliar as condições ambientais e sociais em áreas com altos índices da doença pode auxiliar na elaboração de diagnósticos e ações em saúde. Nesse sentido, o objetivo deste trabalho foi identificar variáveis socioeconômicas mais importantes para a predição das taxas de prevalência de dengue nos municípios do estado de Goiás. A avaliação foi realizada com base em 38 variáveis socioeconômicas obtidas no banco de dados do Instituto Brasileiro de Geografia e Estatística - IBGE, da Fundação João Pinheiro - FJP e a partir do cálculo das taxas de prevalência de dengue baseado nos dados disponíveis no Sistema de Informação de Agravos de Notificação - SINAN para os períodos de 2001-2009 e 2010-2018. A modelagem foi realizada a partir da avaliação de três algoritmos de machine learning: Random Forest, XGBoost e KNN. Os resultados indicaram que as variáveis mais importantes apresentaram relação inversa às condições de baixa renda, analfabetismo e deficiência em serviços de saneamento básico.