=== Run information ===

Scheme:       weka.classifiers.functions.LinearRegression -S 0 -R 1.0E-8 -num-decimal-places 4
Relation:     EYV-NPH-NUMERICO-1248-ARBORIZADORA
Instances:    1248
Attributes:   12
              PUNTAJE
              SECTOR
              TERRENO
              VALOR_M2_2015
              AREA_CONSTRUIDA_2015
              VALOR_M2_CONTRUCCION_2015
              CODIGO_USO
              PISOS
              VETUSTEZ
              ACTIVIDAD
              TRATAMIENTO
              ESTRATO
Test mode:    10-fold cross-validation

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


Linear Regression Model

VALOR_M2_CONTRUCCION_2015 =

   7464.0812 * PUNTAJE +
      6.1241 * AREA_CONSTRUIDA_2015 +
   2515.1682 * CODIGO_USO +
   5848.0308 * VETUSTEZ +
 -16363.2851 * ACTIVIDAD +
-11458825.8539

Time taken to build model: 0.01 seconds


=== Classifier model for fold 1 ===


Linear Regression Model

VALOR_M2_CONTRUCCION_2015 =

   7453.5832 * PUNTAJE +
   2633.3629 * CODIGO_USO +
   6105.466  * VETUSTEZ +
 -27363.4808 * ACTIVIDAD +
 -39402.7493 * TRATAMIENTO +
-11835597.8244

=== Classifier model for fold 2 ===


Linear Regression Model

VALOR_M2_CONTRUCCION_2015 =

   7698.0888 * PUNTAJE +
      5.0107 * AREA_CONSTRUIDA_2015 +
   2376.4349 * CODIGO_USO +
   5895.0338 * VETUSTEZ +
 -19335.9281 * ACTIVIDAD +
-11542654.3357

=== Classifier model for fold 3 ===


Linear Regression Model

VALOR_M2_CONTRUCCION_2015 =

   7325.8436 * PUNTAJE +
   2571.3689 * CODIGO_USO +
   5854.6126 * VETUSTEZ +
 -26138.3923 * ACTIVIDAD +
 -34887.4763 * TRATAMIENTO +
-11347859.3683

=== Classifier model for fold 4 ===


Linear Regression Model

VALOR_M2_CONTRUCCION_2015 =

   7553.4531 * PUNTAJE +
   2709.5257 * CODIGO_USO +
   5921.9167 * VETUSTEZ +
 -31855.4929 * ACTIVIDAD +
 -41272.2866 * TRATAMIENTO +
-11448990.9258

=== Classifier model for fold 5 ===


Linear Regression Model

VALOR_M2_CONTRUCCION_2015 =

   7194.1463 * PUNTAJE +
    -25.726  * SECTOR +
      5.4597 * AREA_CONSTRUIDA_2015 +
   2532.0956 * CODIGO_USO +
   5737.0606 * VETUSTEZ +
 -24952.3072 * ACTIVIDAD +
 -46521.4872 * TRATAMIENTO +
-11031708.9335

=== Classifier model for fold 6 ===


Linear Regression Model

VALOR_M2_CONTRUCCION_2015 =

   7251.9758 * PUNTAJE +
   2583.1746 * CODIGO_USO +
   5911.9164 * VETUSTEZ +
 -27391.6899 * ACTIVIDAD +
 -38566.1635 * TRATAMIENTO +
-11446084.9891

=== Classifier model for fold 7 ===


Linear Regression Model

VALOR_M2_CONTRUCCION_2015 =

   7372.525  * PUNTAJE +
    -24.9758 * SECTOR +
   2702.2103 * CODIGO_USO +
   5772.1844 * VETUSTEZ +
 -33876.8832 * ACTIVIDAD +
 -64975.8058 * TRATAMIENTO +
-11028824.2955

=== Classifier model for fold 8 ===


Linear Regression Model

VALOR_M2_CONTRUCCION_2015 =

   7303.301  * PUNTAJE +
      6.7897 * AREA_CONSTRUIDA_2015 +
   2415.1503 * CODIGO_USO +
   6032.7157 * VETUSTEZ +
 -20515.2173 * ACTIVIDAD +
-11799975.6758

=== Classifier model for fold 9 ===


Linear Regression Model

VALOR_M2_CONTRUCCION_2015 =

   7579.1155 * PUNTAJE +
      8.0537 * AREA_CONSTRUIDA_2015 +
   2549.6241 * CODIGO_USO +
   5781.759  * VETUSTEZ +
 -11862.3489 * ACTIVIDAD +
-11354636.9203

=== Classifier model for fold 10 ===


Linear Regression Model

VALOR_M2_CONTRUCCION_2015 =

   7455.2271 * PUNTAJE +
   2683.2411 * CODIGO_USO +
   5838.8092 * VETUSTEZ +
 -25015.871  * ACTIVIDAD +
 -37400.695  * TRATAMIENTO +
-11320820.117
=== Cross-validation ===
=== Summary ===

Correlation coefficient                  0.6104
Mean absolute error                 103658.0803
Root mean squared error             151733.1259
Relative absolute error                 71.0873 %
Root relative squared error             79.0949 %
Total Number of Instances             1248     

