A taxa de mortalidade na Índia é elevada devido à cirrose hepática como resultado de um mau estilo de vida, armazenamento de alimentos, açúcar no sangue descontrolado, obesidade, tabagismo, consumo de álcool, e inalação de gases nocivos. A detecção precoce pode reduzir as taxas de mortalidade e também ajuda os médicos a dar o tratamento adequado aos pacientes. Os conjuntos de dados sobre cirrose hepática são analisados utilizando algoritmos de aprendizagem de máquinas para um diagnóstico preciso da doença. Este documento propôs os quatro modelos de aprendizagem mecânica, tais como SVM, Random Forest, Decision Tree, e Naive Bayes para análise e previsão da cirrose hepática. Este trabalho reúne 200 imagens de duas classes separadas, ou seja, fígado saudável, e fígado insalubre, utilizando uma fonte de imagem. Esta fonte de imagens é MedPix1, um arquivo de acesso livre de fotografias digitais que as escolas médicas, médicos e académicos podem utilizar. A metodologia tem de facto um bom resultado para os vários classificadores, mas ainda pode ser melhorada. Verifica-se que a máquina de suporte vectorial e os classificadores florestais aleatórios dão uma pontuação de precisão de classificação de 100% seguida de árvores de decisão que são 84,61. Os resultados alcançados são relativamente bons quando comparados.