判別分析により、所属グループ用の予測モデルが作成されます。 このモデルは、各グループを最も適切に判別する予測変数の線型結合に基づいた 1 つの判別関数 (複数のグループの場合は、判別関数のセット) から構成されます。 各関数は、所属グループが判明しているケースのサンプルから生成されます。各関数は、予測変数の測定は存在するが所属グループが不明な新規ケースに適用することができます。

例。 電話会社は、判別分析を使用し、顧客を利用データに基づいてグループ分けすることができます。 これにより、潜在的な顧客をスコアリングし、最も価値の高いグループにいるであろうユーザーをターゲットにすることができます。

要件。 1 つの入力フィールドと 1 つの対象フィールドが必要です。 対象は、文字列ストレージまたは整数ストレージを持つカテゴリー・フィールド (尺度が Flag または Nominal) でなければなりません。 (ストレージは、必要に応じて、置換またはフィールド作成ノードを使用して変換できます。) Both または None に設定されたフィールドは無視されます。 モデルで使用するフィールド・タイプは、完全にインスタンス化する必要があります。

利点 判別分析とロジスティック回帰は両方とも、分類モデルに適しています。 ただし、判別分析のほうが入力フィールドについての想定が多い傾向があります。例えば、正規分布され、連続型となる必要があります。これらの要件が満たされると、特に標本サイズが小さい場合に、よりよい結果が生じます。