Los modelos de regresión son todos aquellos que buscan encontrar una relación entre una variable dependiente y unas variables independientes. Por ejemplo se puede ver como variable dependiente el precio de la leche que se le paga al ganadero y como independientes los niveles de grasa, sólidos, proteínas y así establecer una correlación

2.3. Divisiones de Modelos de Regresión

1. Regresión lineal simple
2. Regresión lineal múltiple
3. Regresión logística nominal
4. Regresión logística multinomial
5. Regresión logística ordinal
6. Regresión de Poisson.
7. Regresión de Cox

2.4 Arbol de Decisiones

Otro algoritmo de modelo supervisados donde se trata de correlacionar todas las variables independientes con la dependiente para mostrar el camino mas probable de acuerdo a la que tenga más correlación.

2.5 Aplicación de Modelos Supervisados

1. Churn (Scoring Fuga)
Establecer comportamientos de fuga de clientes o retención
2. Scoring Bancario
Modelo probabilístico donde se busca definir mediante una definición de variables qué cliente va caer en default
3. Ensamble de modelos