Debido al aumento significativo en el transporte de materias primas pesadas a las refinerías y al proceso de hidrocracking, la importancia de adoptar un reactor de lecho ebullido se ha reemfatizado en los últimos años. En este estudio, se realizó la modelización predictiva de la retención de gas en un reactor de dos fases ebullido utilizando 10 métodos de aprendizaje automático basados en máquinas de soporte vectorial (SVM) y regresión de procesos gaussianos (GPR). En un reactor de lecho ebullido, se examinaron los impactos de tres características, a saber, la velocidad del líquido, la velocidad del gas y la relación de reciclaje, sobre la retención de gas. Según el análisis de significancia de características, la velocidad del líquido tiene el mayor impacto en la retención de gas predicha. Las funciones de kernel rotacional-cuadrática, cuadrada-exponencial, Matern 5/2 y exponencial integradas con los modelos GPR, así como las funciones de kernel lineales, cuadráticas, cúbicas, fina, media y gruesa integradas con el modelo SVM, funcionaron bien durante el entrenamiento y la prueba, con la excepción del modelo SVM fino, cuyo R es muy bajo. Según los valores de R > 0.9 y los bajos valores de RMSE y MAE, los modelos GPR rotacional-cuadrático, cuadrado-exponencial y Matern 5/2 fueron los que mejor rendimiento tuvieron.