Según el comportamiento de sus conexiones neuronales, es posible determinar si el cerebro sufre de anormalidades como la epilepsia. Esta enfermedad produce convulsiones y altera el comportamiento y el estilo de vida del paciente. Los neurólogos emplean el electroencefalograma (EEG) para diagnosticar la enfermedad a través de las señales cerebrales. Los neurólogos analizan visualmente estas señales, reconociendo patrones, para identificar alguna indicación de trastorno cerebral que permita el diagnóstico de la epilepsia. Este artículo propone un estudio, basado en el análisis de Fourier, a través de la transformación rápida de Fourier y el análisis de componentes principales, para identificar patrones de manera cuantitativa para diagnosticar y diferenciar entre pacientes sanos y aquellos con la enfermedad. Posteriormente, el análisis de componentes principales puede ser utilizado para clasificar a los pacientes, empleando bandas de frecuencia como características de la señal. Además, se realiza una comparación de clasificación antes y después de usar el análisis de componentes principales. La clasificación se realiza a través de regresión logística, con una reducción de 5 a 4 dimensiones, así como de 8 a 7, logrando una mejora cuando hay 7 dimensiones en las métricas de precisión, recall y score. Los mejores resultados obtenidos, sin PCA son: precisión, recall y score; mientras que los mejores valores obtenidos usando PCA son: precisión, recall y score.