Описана широкая совокупность методов построения статистических моделей классификации и регрессии для отклика, представленного в альтернативной, категориальной и метрической шкалах наблюдений. Подробно рассматириваются деревья решений, машины опорных векторов с различными разделяющими поверхностями, нелинейные формы дискриминантного анализа, искусственные нейронные сети и т.д. Показана технология применения таких методов бутстреп-агрегирования деревьев решений как бэггинг (bagging), случайный лес (random forrest) и бустинг (boosting). Представлены различные методы построения ансамблей моделей для коллективного прогнозирования. Особое внимание уделяется сравнительной оценке эффективности и поиску оптимальных областей гипер-параметров тестируеных моделей с использованием пакета caret статистической среды R.