El cáncer de mama es la principal causa de muerte relacionada con el cáncer entre las mujeres. La predicción temprana es crucial ya que aumenta significativamente la tasa de supervivencia. Aunque la mamografía clásica de rayos X es una técnica establecida para el cribado, muchas mujeres elegibles no la consideran debido a preocupaciones sobre el dolor por la compresión mamaria. La Tomografía de Impedancia Eléctrica (TIE) es una técnica que tiene como objetivo visualizar la distribución de conductividad dentro del cuerpo humano. Dado que el cáncer tiene una mayor conductividad que el tejido graso circundante, proporciona un contraste para la reconstrucción de imágenes. Sin embargo, la interpretación de las imágenes de TIE sigue siendo difícil debido a la baja resolución espacial. En este documento, investigamos tres modelos de clasificación diferentes para la detección de cáncer de mama. Esto es importante ya que la TIE es un problema inverso altamente no lineal y tiende a producir artefactos de reconstrucción, que pueden ser malinterpretados como, por ejemplo, tumores. Para ayudar en la interpretación de las imágenes de TIE del cáncer de mama, comparamos tres modelos de clasificación diferentes para el cáncer de mama. Descubrimos que los bosques aleatorios y las máquinas de vectores de soporte tuvieron el mejor rendimiento para esta tarea.