一般化線型モデルは、一般の線型モデルを拡張し、従属変数が指定されたリンク関数経由で因数と共変量に直線的に関係付けられるようにします。 さらにこのモデルでは、非正規分布の従属変数を使用することができます。 一般化線型モデルは、正規分布した回答の回帰、バイナリ データのためのロジスティック・モデル、計数データのための対数線型モデル、間隔を決めて検閲される延命データのための補数対数-対数モデルなどの広く使用される統計モデルに加えて、一般的なモデルの定式を通じて多くのほかの統計モデルも対象とします。

例: 出荷会社は、一般線形モデルを使用して、異なる期間に構成されたいくつかのタイプの船の損害数にポアソン回帰を適合させることができます。また、結果のモデルは、どの出荷タイプが最も損傷を受けるかを判別するのに役立ちます。

自動車保険会社は、一般線形モデルを使用して、自動車の損害請求に対するガンマ回帰を適合させることができ、結果のモデルは、請求サイズに最も影響を与える要因を判別するのに役立ちます。

医学研究者は、一般線形モデルを使用して、間隔を検閲しない生存データに対する補完的な対数ログ回帰に適合させることができ、病状の再発を予測することができます。

一般化線型モデルは、入力フィールドの値を出力フィールドの値に関係付ける方程式を作成することで機能します。 モデルが生成された後、それを使用して新しいデータの値を推定できます。 レコードごとに、各出力カテゴリー候補の所属確率が算出されます。 最も確率の高い対象カテゴリーが、そのレコードの予測出力値として割り当てられます。

要件。 1 つ以上の入力フィールドと、2 つ以上のカテゴリーを持つ 1 つの対象フィールド ( Continuous または Flagの測定レベルを持つことができます) が必要です。 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 一般化線型モデルは非常に柔軟性がありますが、モデル構造を選択するプロセスは自動化されていないので、「ブラック ボックス」型のアルゴリズムには必要ないことですが、使用するデータをある程度熟知している必要があります。