Sudden Cardiac Death describes unexpected natural death from a cardiac cause in a short period of time, this is one of the main causes of death in the world and represents more than 50% of deaths from Cardiovascular Diseases and Ventricular Fibrillation is the most frequent peculiarity that leads to this as it can lead to the inability of the heart to pump blood effectively and thus its survival rate decreases by every minute until it leads to death due to sudden cardiac arrest. Therefore, early prediction of this arrhythmia is very important for timely treatment and a higher survival rate. The Electrocardiogram is one of the most important techniques for diagnosing heart disease, to deal with these problems. In this paper, we propose a method to classify these signals using Wavelet Packet Entropy. Specifically, we first decompose the QT complexes of these signals with the help of Wavelet Packet Decomposition, and then calculate the entropy from the decomposed coefficients as representative features, and finally train a Random Forest-based classification model with which carry out experiments that allow the characterization of Ventricular Fibrillation to predict the risk of Sudden Cardiac Death. The experimental results show that the proposed methodology is promising for Electrocardiogram classification, allowing prediction with greater anticipation, accuracy and precision than the state of the art.La Muerte Súbita Cardíaca describe la muerte natural inesperada por una causa cardíaca en un período corto de tiempo, esta es una de las principales causas de muerte en el mundo y representa más del 50% de las muertes por Enfermedades Cardiovasculares y la Fibrilación Ventricular es la peculiaridad más frecuente que conduce a esta ya que puede provocar la incapacidad del corazón para bombear sangre de manera eficaz y, por lo tanto, su tasa de supervivencia disminuye por cada minuto hasta provocar la muerte debido a un paro cardíaco repentino. Por ello, la predicción temprana de esta arritmia es muy importante para el tratamiento oportuno y una mayor tasa de supervivencia. El Electrocardiograma es una de las técnicas más importantes para el diagnóstico de enfermedades cardíacas, para hacer frente a estos problemas. En este documento, proponemos un método para clasificar estas señales utilizando Entropía del Paquete Wavelet. Específicamente, primero descomponemos los complejos QT de estas señales con ayuda de la Descomposición de Paquetes Wavelet, y luego calculamos la entropía a partir de los coeficientes descompuestos como características representativas, y finalmente entrenamos un modelo de clasificación basado en Bosque Aleatorio con lo cual se llevan a cabo experimentos que permiten la caracterización de la Fibrilación Ventricular para predecir el riesgo de una Muerte Súbita Cardíaca. Los resultados experimentales demuestran que la metodología propuesta es prometedora para la clasificación de Electrocardiograma, permitiendo la predicción con mayor anticipación, exactitud y precisión que el estado del arte.