Model GLE identifikuje závislou proměnnou, která je lineárně spojená s faktory a kovariáty přes zadanou funkci propojení. Navíc model umožňuje, aby závislá proměnná měla nenormální distribuci. Zahrnuje široce používané statistické modely, jako je lineární regrese pro normálně distribuované odpovědi, logistické modely pro binární data, loglinear modely pro počítání dat, doplňkové modely protokolů pro přežití intervalově cenzurovaných údajů o přežití a mnoho dalších statistických modelů prostřednictvím jeho velmi obecné formulace modelu.

Příklady. Přepravní společnost může použít generalizované lineární modely k přizpůsobení Poissonova regrese na škody na několika typech lodí postavených v různých časových obdobích, a výsledný model může pomoci určit, které typy lodí jsou nejvíce náchylné k poškození.

Automobilová pojišťovna může používat generalizované lineární modely k tomu, aby se vešly gama regresi k poškození nároků na automobily a výsledný model může pomoci určit faktory, které nejvíce přispívají k velikosti nároku.

Lékařské výzkumní pracovníci mohou použít zobecněné lineární modely k přizpůsobení doplňkového log-log regrese na interval-cenzuře přežití dat předpovědět čas k recidivě pro zdravotní stav.

Modely GLE pracují sestavováním rovnice, která souvisí s hodnotami vstupních polí s hodnotami výstupního pole. Po vygenerování modelu jej můžete použít k odhadu hodnot pro nová data.

Pro kategorický cíl se pro každý záznam vypočítá pravděpodobnost členství pro každou možnou výstupní kategorii. Cílová kategorie s nejvyšší pravděpodobností je přiřazena jako předpovězená výstupní hodnota pro tento záznam.

Požadavky. Potřebujete jedno nebo více vstupních polí a právě jedno cílové pole (které může mít úroveň měření Continuous, Categoricalnebo Flag) se dvěma nebo více kategoriemi. Pole použitá v modelu musí mít plně konkretizovány typy jejich typů.