可以先在目录中浏览一下关于估计分析的具体信息：

一、估计模型

估计模型从数据中提取模式，并使用这些模式预测将影响结果的因素。 结果必须用数值（如货币、销售额、日期或时间）来表示。

例如，如果目标列包含学校的毕业率（用百分比表示），则可以分析可能会增加或降低毕业率的因素，如每个学校的学生数量、学生与教师的比例以及教师数量。

估计向导使用 Microsoft 决策树算法。 可以在交互式查看器中浏览依赖关系和模式，并快速创建能够表示所发现模式的更多详细信息的图形。

此次分析所用到的数据：300部电影信息（需要资源的请评论区留言）

二、决策树

这里我选择使用决策树进行估计：

一般回归量都是数值类型的，因此部分参数无法当中回归量：

依赖关系网络如下

根据下面的动图可以看出：最不重要的参数是POINTS，最重要的参数是BO。

三、神经网络

换另外一种算法方式：

创建好结构之后选择将模型添加到结构：

接着在使用NBA的数据作用于神经网络算法：

估计前面的参数对每场得分的影响：

四、逻辑回归

选择逻辑回归算法：