REGRECION EN RAPIDMINER

Primero que nada, agregamos los datos a analizar y los siguientes operadores.
Primero el set role y despus el de validacin.

Despus unimos los procesos con los datos

Despus seleccionamos el operador y en la pestaa parmetros agregaremos un

role con el cual estrada trabajando este.
Despus damos doble clic en el operador de validacin. Y nos mostrara la siguiente
ventana donde hay dos reas de trabajo training y testing.

En el rea de training agregamos lo siguiente y lo unimos con la salida.

En caso de marcar un error es porque los valores de la tabla no tienen valores

nominales asi que tiene que agregar el operador numerical tu nominal. En este caso
no lo haremos porque mi tabla si tienes valores nominales. Bueno y en el rea de
testing agregamos lo siguiente.
Estos son operadores para aplicar el proceso. El primero aplica el modelo. Y el
segundo llamado performance tenemos que poner el que se llama
performance(regresin) que est disponible en la pestaa de operadores.
Para que estas funciones deberemos dar clic derecho en los operadores y
seleccionaremos las opciones breakpoint before y breakpoint after. Y despus lo
ejecutamos
RESULTADOS
Y estos son los resultados
REGRECION EN WEKA
Primero que nada cargamos el archivo en el cual se aplicara la tcnica.

Despus nos dirigiremos a la pestaa classify y despus daremos clic en el botn

chose y despus nos dirigiremos a la carpeta funtions y seleccionamos en mtodo
que dice Linear regresin.
Despus seleccionamos la primera opcin en el rea de test options. Y damos clic
en el botn start.

Despus de dar clic en ejecutar y despus de terminar nos mostrara el resultado

que son los valore utilizados y la formula con la cual pueden ser analizados estos.
RESULTADOS
=== Run information ===

Scheme: weka.classifiers.functions.LinearRegression -S 0 -R
1.0E-8 -num-decimal-places 4
Relation: nueva
Instances: 100
Attributes: 10
id_parcela
nombre
id_cultivo
id_suelo
id_estacion
coordenadas
dia_juliano
estatus
pago
parcelaba
Test mode: evaluate on training data

=== Classifier model (full training set) ===

Linear Regression Model

dia_juliano =

0 * id_parcela +
0.0001 *
nombre=joesexton8820,cruzmul4032,scarletgreer1801,cambrmcinto2739,aini
chols4075,roramos7811,conoowe7890,corhess5974,dallasruss4519,miramo264
8,janrobbi1942,cartercoleman5909,emersoncamacho5939,lionenavarr2140,tu
ckjenn7966,taryterry6768,zneal5206,marloruss9562,camdytil4910,dominicf
ost4366,augublankenshi2295,nathalmors9782,marcra8276,becmaxwel3639,nam
cgu6408,emelyrho5986,felo4822,chapalmer4763,bellcra1357,braedejefferso
6995,lennoxpo8515,brookvaz6490,domtill2848,giancrosb7611,adriennesmith
6317,blcook9718,nathanaele8359,kaymaci7497,carosales5248,yeseatkin9747
,rachecarne9836,seamusgo4232,evajacobson7064,jabarclar7240,turnesm9681
,kaylyvar9415,rowaniev5075,nickolamcfar6741,leperr8998,cabattl5943,cai
destein5417,braychurch8798,maevhickman8844,anden6843,paislehodges8473,
jenniferbri9514,grajua9938,francischerr8176,rogeliosargen9221,brywel70
12,lancestuar9353,abrambrig8581,waylofol7339,jojoyc6151,lyricsandov872
8,luki5721,ezekielbrenna6388,sienablan6503,chanhewitt3278,daytmckn2141
,louiho3424,larastron7848,bryawalt8738,gissellebar7073,tyronerees4983,
lindsehint2234,kennsteve8161,jordma6123,juliclem4728,franwebste2069,lu
kefrench6648,presprince8825,jimmysnyd5406,aydewa8889,samararms9296,abb
bowm4132,blaineweb6725,trpatri6541,doucarp4144,jaydodu6082,amaramoo647
3,alessanatkinso6446,terdaws5499,liliapatterson1410,corangu9259,camrcl
evelan7794,leanant3053,laiwoodwa6150,alexibuck5408 +
-0.0001 * .

Time taken to build model: 0.02 seconds

=== Evaluation on training set ===

Time taken to test model on training data: 0 seconds

=== Summary ===

Correlation coefficient 1
Kendall's tau 0.9856
Mean absolute logarithmic error 0
Mean absolute percentage error 0
Root mean square logarithmic error 0
Root mean square percentage error 0
Spearman's rho 0.9992
Mean absolute error 0
Root mean squared error 0
Relative absolute error 0 %
Root relative squared error 0 %
Total Number of Instances 100

Estos son los resultados la formula no est completa porque ocupa mucho espacio
pero el resultado completo lo podrn descargar del siguiente enlace.
https://drive.google.com/open?id=0B-OJDYxJfwn2bUUtYm5kVzhEZlE