El objetivo de este estudio fue determinar los métodos avanzados más apropiados para distinguir la marcha de niños sanos (CO) de la marcha de niños con parálisis cerebral (CP) basándose en parámetros de electromiografía (EMG) y coactivaciones. Se utilizó una base de datos de EMG de 22 niños (de 4 a 11 años) en este estudio, que incluía 17 sujetos en el grupo CO y 5 sujetos en el grupo CP. Se calcularon parámetros de tiempo de EMG para los músculos bíceps femoral (BF) y semitendinoso (SE) y coactivaciones para los pares de músculos recto femoral (RF)/BF y RF/SE. Para obtener un resultado de clasificación más preciso, se realizó una ampliación de datos y se utilizaron tres algoritmos de clasificación: máquina de soporte vectorial (SVM), k-vecinos más cercanos (KNN) y árbol de decisión (DT). La precisión del parámetro de raíz cuadrada media (RMS) y del algoritmo KNN fue del 95%, la precisión fue del 94%, la sensibilidad fue del 90%, la puntuación F1 fue del 92% y la puntuación del área bajo la curva (AUC) fue del 98%. La mayor precisión de clasificación basada en coactivaciones se logró utilizando el algoritmo KNN (91-95%). Se determinó que el algoritmo KNN es el más efectivo y que la coactivación muscular puede utilizarse como un parámetro confiable en tareas de clasificación de marcha.