广义线性模型对一般线性模型进行了扩展，这样因变量通过指定的关联函数与因子和协变量线性相关。 而且，该模型还允许因变量为非正态分布。 它涵盖了广泛使用的统计模型，如用于正态分布响应的线性回归、用于二进制数据的 logistic 模型、用于计数数据的对数线性模型、用于区间删失生存数据的互补双对数模型以及使用其非常通用的模型公式的其他许多统计模型。

示例。 航运公司可以使用广义线性模型拟合不同时间段建造的若干类型船舶的损坏计数的泊松回归，所得模型可帮助确定哪些船舶类型最容易损坏。

汽车保险公司可以使用广义线性模型来拟合汽车损坏索赔的伽马回归，所得模型可帮助确定对索赔金额贡献最大的因素。

医疗研究人员可以使用广义线性模型，对间隔检查生存数据采用互补双对数回归，以预测医疗条件再次出现的时间。

广义线性模型的工作原理是构建一个方程式，从而使输入字段值与输出字段值关联起来。 生成模型后，可以使用该模型来估算新数据的值。 对于每条记录，将计算每种可能输出类别的成员资格概率。 具有最高概率的目标类别将被指定为该记录的预测输出值。

需求。 您需要一个或多个输入字段以及正好一个具有两个或多个类别的目标字段 (其测量级别可以为 Continuous 或 Flag)。 必须对模型中使用的字段的类型完全实例化。

强度。 广义线性模型极为灵活，但选择模型结构的过程并未自动化，因此您需要对数据有一定的了解（这在“黑盒”算法中是不需要的）。