In jüngster Zeit hat sich die Data-Mining-Klassifizierung im medizinischen Bereich hervorragend etabliert. Maschinelles Lernen ist ein aufstrebendes Feld für das Verständnis und die Analyse riesiger Mengen von Gesundheitsdaten. Diese Forschungsarbeit befasst sich mit der Leistungsanalyse verschiedener Klassifizierungsverfahren für Datensätze aus dem Gesundheitswesen mit dem maschinellen Lernprogramm Weka. Wir haben verschiedene Klassifizierer auf vier medizinische Datensätze angewandt, um den besten Klassifizierungsalgorithmus herauszufinden. Die Ergebnisse zeigen, dass der J48-Algorithmus und der Random-Forest-Algorithmus unter allen Klassifizierungsalgorithmen die vielversprechendsten Ergebnisse liefern.