تحلیل رگرسیون یکی دیگر از حوزه های مهم در یادگیری نظارت شده است که با هدف پیش بینی نتایج پیوسته انجام می شود. این فصل اصول رگرسیون را پوشش می‌دهد، از جمله رگرسیون خطی و تکنیک‌های تنظیم رگرسیون مانند ridge و lasso. این فصل ارزیابی مدل را از طریق معیارهایی مانند میانگین مربعات خطا (MSE)، R-squared و تفسیر ضرایب رگرسیون نیز مورد بحث قرار می دهد. مثال‌ها و پیاده‌سازی‌های عملی با استفاده از scikit -Learn برای تقویت درک مدل‌های رگرسیون نیز در این فصل ارائه می‌شوند.
برای یادگیری عمیق‌تر مفاهیم رگرسیون به دوره آموزش رگرسیون در پایتون با statsmodels مراجعه کنید.