El método de soporte vectorial de mínimos cuadrados es un método de modelado impulsado por datos que muestra un mejor rendimiento y se ha aplicado con éxito en una amplia gama de aplicaciones. En este artículo, proponemos una nueva máquina de conjunto de soporte vectorial de mínimos cuadrados acoplada (C-LSSVEM). El conjunto de acoplamiento propuesto ayuda a mejorar la robustez y produce un buen rendimiento de clasificación en comparación con el enfoque de modelo único. El C-LSSVEM propuesto puede elegir tipos de núcleo apropiados y sus parámetros en una buena estrategia de acoplamiento con un conjunto de clasificadores que se entrenan simultáneamente. El método propuesto puede minimizar aún más la pérdida total de los conjuntos en el espacio del núcleo. Así, formamos un regresor de conjunto al co-optimizar y ponderar los regresores base. Los experimentos realizados en varios conjuntos de datos, como conjuntos de datos artificiales, conjuntos de datos de clasificación de UCI, conjuntos de datos de regresión de UCI, conjuntos de datos de dígitos manuscritos y conjuntos de datos NWPU-RESISC45, indican que el C-LSSVEM tiene un mejor rendimiento en la consecución de la pérdida de regresión mínima y la mejor precisión de clasificación en relación con las técnicas de regresión y clasificación de última generación seleccionadas.