Freigeben über

  • Artikel

Hinzufügen eines logistischen Regressionsmodells zur Callcenterstruktur (Data Mining-Lernprogramm für Fortgeschrittene)

Zusätzlich zur Analyse der Faktoren, die sich auf den Callcenterbetrieb auswirken, sollen Sie Methoden empfehlen, mit denen die Mitarbeiter die Dienstqualität verbessern können. In dieser Aufgabe verwenden Sie dieselbe Miningstruktur wie beim Erstellen des neuronalen Netzwerkmodells für das Durchsuchen von Daten. Außerdem fügen Sie ein Miningmodell zum Erstellen von Vorhersagen hinzu.

Für die Vorhersage können sowohl neuronale Netzwerke als auch logistische Regression verwendet werden. Im Allgemeinen werden neuronale Netzwerke jedoch zum Durchsuchen komplexer Interaktionen empfohlen, während logistische Regression besonders gut für die Vorhersage binärer Ergebnisse auf Grundlage bekannter unabhängiger Variablen geeignet ist. In diesem Lernprogramm haben Sie bereits das Zielergebnis (bessere Dienstqualität) identifiziert und einige Faktoren festgestellt, die sich wahrscheinlich auf die Dienstqualität auswirken. Deshalb ist die logistische Regression gut für die Vorhersage geeignet, wie sich Änderungen in unabhängigen Variablen, z. B. Personalwesen oder Antwortzeiten, auf die Dienstqualität auswirken.

In dieser Lektion fügen Sie ein neues Modell hinzu und passen es entsprechend Ihrer geschäftlichen Fragestellungen an.

So fügen Sie der Callcenter-Miningstruktur ein neues Miningmodell hinzu

  1. Klicken Sie in Business Intelligence Development Studio im Projektmappen-Explorer mit der rechten Maustaste auf die Miningstruktur Callcenter, und wählen Sie Designer öffnen aus.

  2. Klicken Sie im Data Mining-Designer auf die Registerkarte Miningmodelle.

  3. Klicken Sie auf Ein verknüpftes Miningmodell erstellen.

  4. Geben Sie im Dialogfeld Neues Miningmodell im Feld Modellname den Namen Callcenter - LR ein. Wählen Sie für AlgorithmusnamenMicrosoft Logistic Regression aus.

  5. Klicken Sie auf OK.

    Das neue Miningmodell wird auf der Registerkarte Miningmodelle angezeigt.

So passen Sie das logistische Regressionsmodell an

  1. Behalten Sie in der der Spalte für das neue Miningmodell (Callcenter - LR) "Fact CallCenter ID" als Schlüssel bei.

  2. Ändern Sie den Wert für "ServiceGrade und Telefonisten auf Ebene 2" in Vorhersagen.

    Diese Spalten werden sowohl für die Eingabe als auch für Vorhersagen verwendet.

    HinweisHinweis

    Wenn Sie mehrere vorhersagbare Attribute in ein neuronales Netzwerkmodell oder logistisches Regressionsmodell einschließen, erstellen Sie letztlich zwei unterschiedliche Modelle innerhalb des gleichen Metadatencontainers. Das liegt daran, dass der Algorithmus für alle festgelegten vorhersagbaren Attribute eine separate Unterstruktur erstellt.

  3. Ändern Sie alle anderen Spalten in Eingabe.

So geben Sie den Ausgangswert an und verarbeiten die Modelle

  1. Klicken Sie auf der Registerkarte Miningmodell mit der rechten Maustaste auf die Spalte für das Modell "Callcenter - LR", und wählen Sie Algorithmusparameter festlegen aus.

  2. Klicken Sie in der Zeile für den HOLDOUT_SEED-Parameter unter Wert auf die leere Zelle, und geben Sie 1 ein. Klicken Sie auf OK.

    HinweisHinweis

    Es spielt keine Rolle, welchen Wert Sie als Ausgangswert auswählen, sofern für alle zugehörigen Modelle derselbe Wert verwendet wird.

  3. Klicken Sie im Menü Miningmodelle auf Miningstruktur und alle Modelle verarbeiten. Klicken Sie auf Ja, um das aktualisierte Data Mining-Projekt auf dem Server bereitzustellen.

  4. Klicken Sie im Dialogfeld Miningmodell verarbeiten auf Ausführen.

  5. Klicken Sie auf Schließen, um das Dialogfeld Verarbeitungsstatus zu schließen, und klicken Sie im Dialogfeld Miningmodell verarbeiten erneut auf Schließen.