L'analyse discriminante crée un modèle prédictif pour l'affectation des groupes. Le modèle est composé d'une fonction discriminante (ou, pour plus de deux groupes, d'un ensemble de fonctions discriminantes) basée sur les combinaisons linéaires des variables de prédicteur offrant la meilleure discrimination entre les groupes. Les fonctions sont générées à partir d'un échantillon d'observations pour lesquelles l'affectation des groupes est connue. Les fonctions peuvent alors être appliquées à de nouvelles observations bénéficiant de mesures pour les variables de prédicteur, mais dont l'affectation des groupes est inconnue.

Exemple. Une société de télécommunications peut utiliser l'analyse discriminante pour classer les clients par groupes en fonction de l'utilisation des données. Ceci lui permet d'évaluer les clients potentiels et de cibler ceux qui sont le plus susceptibles d'appartenir à des groupes importants.

Conditions requises. Vous avez besoin d'un ou de plusieurs champs d'entrée et précisément d'un champ cible. La cible doit être un champ catégoriel (avec un niveau de mesure Flag ou Nominal) avec un stockage de chaînes ou d'entiers. (Le stockage peut être converti à l'aide d'un noeud Filler ou Calculer si nécessaire.) Les zones définies sur Both ou None sont ignorées. Les types des champs utilisés dans ce modèle doivent être complètement instanciés.

Force. L'analyse discriminante et la régression logistique sont des modèles de classification supervisée. Toutefois, l'analyse discriminante formule plus d'hypothèses sur les champs d'entrée. Par exemple, elle suppose qu'ils sont normalement distribués, continus, et qu'ils donnent de meilleurs résultats si ces conditions sont remplies, en particulier si la taille de l'échantillon est réduite.