align="justify"> 7) Логістична регресія - Microsoft Logistic Regression:
У Mining Model в розділі вибираємо Microsoft Logistic Regression.
Позначаємо прапором Case таблицю accounts, потім натискаємо Next.
Позначаємо прапором Key стовпець account_id.
Позначаємо прапором Predictable стовпець amount. У результаті стовпець стає доступним для прогнозування в нових наборах даних. Помічаємо прапором Input стовпці model_id, seller_id, date.
Натискаємо Next.
У поле Structure Name вводимо ім'я Logistic і натискаємо Finish. При цьому відкриється редактор Data mining, що відображає структуру Logistic.
У браузері бачимо результат у вигляді формули (рис. 8).
Рисунок 8 - Логістична регресія
Виходячи з моделі видно, що дані аналогічні нейронної мережі і найбільше продажів у продавця з номером 5, а найменше у продавця з номером 1.
Алгоритми аналізу показали, що найсильніший вплив на продажу надає продавець. Також, більшість алгоритмом однаково визначили, що найбільше деталей відпускає продавець з номером 5, а найменше продавець з номером 1.
