The city of Huancayo, like other intermediate cities in Latin America, faces problems of poorly planned land-use changes and a rapid dynamic of the urban land market. The scarce and outdated information on the urban territory impedes the adequate classification of urban areas, limiting the form of its intervention. The purpose of this research was the adoption of unassisted and mixed methods for the spatial classification of urban areas, considering the speculative land value, the proportion of urbanized land, and other geospatial variables. Among the data collection media, Multi-Spectral Imagery (MSI) from the Sentinel-2 satellite, the primary road system, and a sample of direct observation points, were used. The processed data were incorporated into georeferenced maps, to which urban limits and official slopes were added. During data processing, the K-Means algorithm was used, together with other machine learning and assisted judgment methods. As a result, an objective classification of urban areas was obtained, which differs from the existing planning.La ciudad de Huancayo, como otras ciudades intermedias en Latinoamérica, enfrenta problemas de cambios de uso de suelo poco planificados y una acelerada dinámica del mercado del suelo urbano. La escases y desactualización de información sobre el territorio urbano impiden la adecuada clasificación de áreas urbanas, limitando la forma de su intervención. Esta investigación tuvo como objetivo la incorporación de métodos no asistidos y mixtos para la clasificación espacial de zonas urbanas considerando el valor especulativo del suelo, la proporción del suelo urbanizado y otras variables geoespaciales. Entre los medios de recolección de datos, se usó imágenes Multi-Espectrales (MSI) del satélite Sentinel-2, el sistema vial primario y una muestra de puntos de observación directa. Los datos procesados fueron incorporados en mapas georreferenciados, a los cuales se añadió además los límites urbanos y pendientes oficiales. Durante el procesamiento de los datos se empleó el algoritmo K-Means, junto a otros métodos de machine learning y juicio asistido. Como resultado, se obtuvo una caracterización objetiva de zonas urbanas que difiere de la planificación existente.