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

Sie wurden gebeten, alle Faktoren zu analysieren, die sich auf den Callcenterbetrieb auswirken und sollen außerdem spezifische Empfehlungen bereitstellen, anhand derer das Personal die Dienstqualität verbessern kann. Für diese Aufgabe verwenden Sie dieselbe Miningstruktur wie beim Erstellen des explorativen Modells. Sie fügen jedoch ein Miningmodell hinzu, das zum Erstellen von Vorhersagen verwendet wird.

In Analysis Services basiert ein logistisches Regressionsmodell auf dem neuronalen Netzwerke-Algorithmus und hat daher dieselbe Flexibilität und Leistungsstärke wie ein neuronales Netzwerkmodell. Die logistische Regression ist jedoch besonders gut dafür geeignet, binäre Ergebnisse vorherzusagen.

Für dieses Szenario verwenden Sie die gleiche Miningstruktur, die Sie für das neuronale Netzwerkmodell verwendet haben. Sie passen jedoch das neue Modell an, um Ihre Geschäftsfragen gezielt zu beantworten. Sie möchten die Dienstqualität verbessern und bestimmen, wie viele erfahrene Operatoren Sie benötigen. Deshalb richten Sie das Modell für die Vorhersage dieser Werte ein.

Um sicherzustellen, dass alle Modelle auf Grundlage der Callcenterdaten die größtmögliche Ähnlichkeit aufweisen, verwenden Sie denselben Ausgangswert wie zuvor. Durch Festlegen des Ausgangswertparameters gewährleisten Sie, dass das Modell die Daten vom gleichen Ausgangspunkt verarbeitet. Sie minimieren so die von Artefakten in den Daten verursachten Variationen.

So fügen Sie der Callcenter-Miningstruktur ein neues Miningmodell hinzu

1. Klicken Sie im Projektmappen-Explorer unter SQL Server-Datentools (SSDT) mit der rechten Maustaste auf die Miningstruktur "Callcenter-Klassifizierung", 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 von ServiceGrade und Level Two Operators in Vorhersagen.

   Diese Spalten werden sowohl für die Eingabe als auch für Vorhersagen verwendet. In Wesentlichen erstellen Sie zwei separate Modelle auf derselben Datenbasis: eines für die Vorhersage der Operatorenzahl, und eines für die Vorhersage der Dienstqualität.

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 Call Center - 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.

   Hinweis
   Welchen Wert Sie als Ausgangswert auswählen, ist gleichgültig, solange für alle verwandten Modelle der gleiche Ausgangswert 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.

Nächste Aufgabe in der Lektion

Erstellen von Vorhersagen für Callcentermodelle (Data Mining-Lernprogramm für Fortgeschrittene)

Siehe auch

Konzepte

Anforderungen und Überlegungen zur Verarbeitung (Data Mining)