Le taux de mortalité en Inde est élevé en raison de la cirrhose du foie, conséquence d'un mauvais mode de vie, du stockage des aliments, d'une glycémie incontrôlée, de l'obésité, du tabagisme, de la consommation d'alcool et de l'inhalation de gaz nocifs. Une détection précoce peut réduire le taux de mortalité et aider les médecins à donner le traitement approprié aux patients. Les ensembles de données sur la cirrhose du foie sont analysés en utilisant des algorithmes d'apprentissage automatique pour un diagnostic précis de la maladie. Cet article propose quatre modèles d'apprentissage automatique tels que SVM, Random Forest, Decision Tree et Naive Bayes pour l'analyse et la prédiction de la cirrhose du foie. Ce travail rassemble 200 photos de deux classes distinctes, à savoir le foie sain et le foie malade, en utilisant une source d'images. Cette source d'images est MedPix1, une archive gratuite en libre accès de photographies numériques que les écoles de médecine, les praticiens et les universitaires peuvent utiliser. La méthodologie donne de bons résultats pour les différents classificateurs mais peut encore être améliorée. On constate que la machine à vecteur de support et les classificateurs de forêt aléatoire donnent un score de précision de classification de 100%, suivis par les arbres de décision qui sont 84,61. Les résultats obtenus sont relativement bons lorsqu'on les compare.