En este estudio, diseñamos un marco en el que tres técnicas -árbol de clasificación, análisis de reglas de asociación (ASA) y el clasificador Bayes ingenuo- se combinaron para mejorar el rendimiento de este último. Un árbol de clasificación se utilizó para discretizar los predictores cuantitativos en categorías y ASA se utilizó para generar interacciones de una manera completamente realizada, ya que las variables discretizadas e interacciones son clave para mejorar la precisión de clasificación del clasificador Bayes ingenuo. Aplicamos nuestra metodología a tres conjuntos de datos médicos para demostrar la eficacia del método propuesto. Los resultados mostraron que nuestra metodología superó a las técnicas existentes para todos los conjuntos de datos ilustrados. Aunque nuestro enfoque aquí fue en conjuntos de datos médicos, nuestra metodología propuesta es igualmente aplicable a conjuntos de datos en muchas otras áreas.