La clasificación asociativa (AC) es una técnica de minería que integra la clasificación y la minería de reglas de asociación para realizar la clasificación en instancias de datos no vistos. AC es una de las técnicas de clasificación efectivas que aplica las reglas generadas para realizar la clasificación. En particular, el número de reglas de elementos frecuentes generadas por AC está inherentemente designado por el grado de ciertos soportes mínimos. Un soporte mínimo bajo puede generar potencialmente un gran conjunto de reglas de elementos. Esto puede ser una de las principales desventajas de AC cuando algunas de las reglas de elementos no se utilizan en la etapa de clasificación, y por lo tanto (para reducir el tiempo de asignación de reglas), es necesario eliminarlas del conjunto. Este proceso de poda puede ser una carga computacional y consumir masivamente los recursos de memoria. En este documento, se propone un nuevo algoritmo de AC para descubrir directamente un número compacto de reglas eficientes para la clasificación sin el proceso de poda. Se implementa una técnica de representación de datos vertical para evitar la generación redundante de reglas y reducir el tiempo utilizado en el proceso de minería. Los resultados experimentales muestran que el algoritmo propuesto logra en términos de precisión un número de reglas de elementos generadas, tiempo de construcción del clasificador y consumo de memoria, especialmente en comparación con los algoritmos conocidos, Asociación basada en Clasificación (CBA), Clasificación basada en Múltiples Reglas de Asociación (CMAR) y Algoritmo de Clasificación Asociativa Rápida (FACA).