Ces derniers jours, l'industrie de la santé a collecté de grandes quantités de données sur les patients, qui malheureusement ne sont pas produites afin de donner certaines informations cachées, et donc de prendre des décisions efficaces, qui sont liées à la base des données du patient et sont soumises à l'exploration de données. Ce travail a développé une aide à la décision dans le système de prédiction des maladies cardiaques (HDPS) en utilisant des techniques de modélisation d'exploration de données, à savoir Naïve Bayes et K-means, qui sont l'une des techniques les plus populaires. En utilisant des données médicales telles que l'âge, le sexe, la pression artérielle, les niveaux de sucre dans le sang, les douleurs thoraciques, etc. nous pouvons prédire la probabilité du patient. La plupart des hôpitaux d'aujourd'hui utilisent des systèmes d'aide à la décision, mais pour obtenir les résultats de la maladie sont largement limités c'est-à-dire, Déterminer en fonction du sexe, l'état civil et qui ont été traités pour l'insuffisance cardiaque. Les solutions sont toujours faites dans un hôpital sur la base de l'intuition et de l'expérience des médecins, et non sur les riches données de connaissances qui sont cachées dans la base de données. Ce processus entraîne des biais indésirables, des erreurs et des coûts de soins de santé inutiles, ce qui affecte la qualité des services fournis aux patients.Cela contribuera à rendre le processus de diagnostic plus objectif et plus fiable.