線形回帰は、数値入力フィールドの値に基づいてレコードを分類するための一般的な統計手法です。 線形回帰は、予測される出力値と実際の出力値間の矛盾を最小限にする直線または表面に適合します。

要件。 線形回帰モデルでは、数値フィールドおよびカテゴリー予測変数のみを使用できます。 ( 役割が Target に設定されている ) ターゲット・フィールドが 1 つのみであり、1 つ以上の予測フィールド (役割が Inputに設定されている) が必要です。 Both または None の役割を持つフィールドは、非数値フィールドと同様に無視されます。 (必要な場合は、フィールド作成ノードを使用して非数値フィールドを再コード化できます。)

利点 線形回帰モデルは比較的単純で、予測を生成するために数式を簡単に解釈できます。 線形回帰は、長期に確立された統計手順であるため、これらのモデルのプロパティーはよく理解されています。 また、線形モデルは通常、トレーニングが非常に速いです。 線形ノードは、方程式から重要でない入力フィールドを排除するために、自動フィールド選択のためのメソッドを提供します。