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 regresním modelu lze použít pouze číselné pole. Musíte mít přesně jedno cílové pole (s rolí nastavenou na Target) a jeden nebo více prediktorů (s rolí nastaveným na Input). Pole s rolí Both nebo None se ignorují, stejně jako nečíselná pole. (Je-li to nutné, nečíselná pole lze rekódovat pomocí odvozeného uzlu.)

Silné stránky. Regresní modely jsou relativně jednoduché a poskytují snadno interpretovaný matematický vzorec pro generování předpovědí. Vzhledem k tomu, že regresní modelování je dlouhodobým statistickým postupem, jsou vlastnosti těchto modelů dobře pochopené. Regresní modely jsou také obvykle velmi rychle do vlaku. Regresní uzel poskytuje metody automatického výběru polí, aby se vyloučily nevýznamné vstupní pole z rovnice.