Lineární regrese je společná statistická technika pro klasifikaci záznamů na základě hodnot numerických vstupních polí. Lineární regrese se shoduje s přímkou nebo povrchem, která minimalizuje rozdíly mezi předpovězenou a skutečnou výstupní hodnotou.

Požadavky. V modelu lineární regrese lze použít pouze číselná pole a kategoriální prediktory. Musíte mít právě jedno cílové pole (s rolí nastaveným na Cíl) a jedním nebo více prediktory (s rolí nastaveným na Vstup). Pole s rolí Obojí nebo Žádná se ignorují, stejně jako nečíselná pole. (Je-li to nutné, nečíselná pole lze rekódovat pomocí odvozeného uzlu.)

Silné stránky. Lineární regresní modely jsou relativně jednoduché a poskytují snadno interpretovaný matematický vzorec pro generování předpovědí. Vzhledem k tomu, že lineární regrese je dlouholetý statistický postup, jsou vlastnosti těchto modelů dobře pochopené. Lineární modely jsou také obvykle velmi rychle do vlaku. Lineární uzel poskytuje metody pro automatický výběr pole, aby se vyloučily nevýznamné vstupní pole z rovnice.