El flujo segregado, incluidos los flujos estratificados y anulares, se encuentra comúnmente en varias aplicaciones prácticas, como las industrias química, nuclear, de refrigeración y de petróleo y gas. La predicción precisa de la retención de líquido y el gradiente de presión es de gran importancia en términos de diseño y optimización del sistema. El modelo más aceptado actualmente para el flujo segregado es un modelo de dos fluidos basado en la física que trata las fases de gas y líquido por separado, incorporando ecuaciones de conservación de masa y momento. Requiere relaciones de cierre derivadas empíricamente que tienen la limitación de ser aplicables solo dentro de un rango estrecho de parámetros de entrada bajo el cual fueron desarrolladas. En este trabajo, proponemos un modelo de dos fluidos más generalizado, aumentado por aprendizaje automático, utilizando una base de datos que abarca el rango de diversas condiciones de flujo y propiedades de fluidos. Se probaron algoritmos de aprendizaje automático como bosques aleatorios, redes neuronales y aumento de gradiente para encontrar el mejor modelo predictivo basado en datos. El nuevo modelo propuesto en este trabajo captura con éxito las relaciones complejas, dinámicas y no lineales entre el factor de fricción y las condiciones de flujo. Una evaluación integral del modelo contra diecinueve correlaciones existentes muestra los mejores resultados del modelo propuesto.