La pandemia del coronavirus COVID-19 se propagó por todo el mundo con un número de muertes que superó al del SARS. Se cree que el COVID-19 se transmitió de animales, especialmente de murciélagos, y el virus se transmite de persona a persona con el tiempo. Este documento ayudará a los países a tomar decisiones que fomenten el acceso a valores corregidos y obtener alguna indicación sobre si hay otros factores que afectan la propagación del COVID-19, mediante métodos como el aumento de la tasa de pruebas diarias. Este documento presenta un modelo inteligente para analizar los datos recopilados de los países afectados por el virus COVID-19. Considera el número total de pruebas que cada país ha realizado, el número de llegadas de turistas internacionales en cada país, el porcentaje de empleo, la esperanza de vida al nacer, la edad mediana, la densidad de población, el número de personas de 65 años o más en millones y la proporción de sexos. El modelo propuesto se basa en enfoques de aprendizaje automático utilizando k-Means como enfoque de agrupación, Máquina de Vectores de Soporte (SVM) como clasificador y wrapper como enfoque de extracción de características. Consta de tres fases de preprocesamiento de los datos recopilados, el descubrimiento de casos atípicos, la selección de las características más efectivas para cada uno de los casos totales infectados, muertes, críticos y de recuperación, y la construcción de modelos de predicción. Los resultados experimentales muestran que las características extraídas de la técnica wrapper han demostrado ser más capaces de ajustar y predecir datos que las técnicas de Selección de Características Basadas en Correlación, Evaluación de Atributos de Correlación, Ganancia de Información y Evaluación de Atributos de Alivio. El clasificador SVM también logró la mayor precisión en comparación con otros algoritmos de clasificación para predecir casos totales infectados, fatales, críticos y de recuperación.