El presente artículo tiene como objetivo elegir, bajo un determinado escenario, el mejor algoritmo supervisado de machine learning para localizar un terminal que soporte wifi. Se usa un dataset que cuenta con 2000 registros de Received Signal Strength Indicator (RSSI), obtenidos de 7 puntos de acceso (AP), los cuales se cargan en 8 algoritmos supervisados de machine learning. Luego se elige el algoritmo que realiza la predicción más precisa, incluso cuando se cuenta con un menor número de AP. La mayor precisión se logra con el algoritmo naive Bayes, tanto para el caso de 7 AP (99 % de precisión) como para cuando se cuenta con un número menor de AP. Asimismo, se observa que los algoritmos basados en redes neuronales presentan el peor rendimiento. Finalmente, se proponen trabajos futuros para continuar con la investigación sobre el tema de localización de dispositivos wifi en interiores.