En este trabajo se presenta un estudio comparativo de una familia de métodos de clasificación en el contexto de regresión ordinal, los conocidos como métodos de umbral. El término regresión ordinal hace referencia a aquellos problemas de clasificación en los que las categorías de la variable discreta a predecir guardan una relación natural de orden. Al contrario que los métodos tradicionales de clasificación nominal que ignoran el orden de las etiquetas, los métodos de umbral están diseñados para aprovecharlo. En concreto, se basan en proyectar los datos a una línea recta mediante un modelo lineal o no lineal y aprender un conjunto de umbrales que dividen dicha línea en las distintas categorías, incluyendo la información de orden de forma directa. Aunque la versión lineal de los métodos de umbral es bien conocida y utilizada en áreas como ciencias sociales, su uso no es tan popular en el área de aprendizaje automático. Sin embargo, existen algunos clasificadores no lineales basados en estas ideas. Este artículo introduce las características de los métodos existentes y ofrece un estudio comparativo experimental de los mismos.