Ajout d'un modèle de régression logistique à la structure de centre d'appels (Didacticiel sur l'exploration de données intermédiaire)
S’applique à : SQL Server 2016 Preview
En plus d'analyser les facteurs qui peuvent affecter le fonctionnement d'un centre d'appels, il vous a été demandé de fournir des recommandations spécifiques sur la façon dont le personnel peut améliorer la qualité de service. Au cours de cette tâche, vous utiliserez la même structure d'exploration de données que celle que vous avez utilisée pour générer le modèle exploratoire et ajouter un modèle d'exploration de données qui sera utilisé pour créer des prédictions.
Dans Analysis Services, un modèle de régression logistique est basé sur l'algorithme MNN (Microsoft Neural Network) et fournit par conséquent la même souplesse et la même puissance qu'un modèle de réseau neuronal. Toutefois, la régression logistique est particulièrement bien adaptée pour prévoir les résultats binaires.
Pour ce scénario, vous utiliserez la même structure d'exploration de données que celle utilisée pour le modèle de réseau neuronal. Toutefois, vous personnaliserez le nouveau modèle pour cibler vos questions professionnelles. Vous êtes intéressé par l'amélioration de la qualité de service et par la détermination du nombre d'opérateurs expérimentés dont vous avez besoin. Vous allez donc définir votre modèle pour prédire ces valeurs.
Pour garantir que tous les modèles basés sur les données de centre d'appels soient aussi semblables que possible, vous utiliserez la même valeur initiale qu'auparavant. La définition du paramètre de valeur initiale garantit que le modèle traite les données à partir du même point de départ et réduit les variations provoquées par les artefacts dans les données.
Pour ajouter un nouveau modèle d'exploration de données à la structure d'exploration de données de centre d'appels
Dans Outils de données SQL Server (SSDT), dans l’Explorateur de solutions, cliquez sur la structure d’exploration de données, appeler Center placées, puis sélectionnez Ouvrir le concepteur.
Dans le Concepteur d’exploration de données, cliquez sur le des modèles d’exploration de données onglet.
Cliquez sur créer un modèle d’exploration de données.
Dans la nouveau modèle d’exploration de données boîte de dialogue pour nom du modèle, type Centre d’appels - LR. Pour nom de l’algorithme, sélectionnez Microsoft Logistic Regression.
Cliquez sur OK.
Le nouveau modèle d’exploration de données s’affiche dans le les modèles d’exploration de données onglet.
Pour personnaliser le modèle de régression logistique
Dans la colonne pour le nouveau modèle d’exploration de données, Centre d’appels - LR, laissez l’ID Factcallcenter comme clé.
Modifiez la valeur de ServiceGrade et opérateurs de niveau 2 à Predict.
Ces colonnes seront utilisées aussi bien comme entrée que pour la prédiction. Fondamentalement, vous créez deux modèles distincts sur les mêmes données : un qui prédit le nombre d'opérateurs et un qui prédit le niveau de service.
Modifiez tous les autres colonnes entrée.
Pour spécifier la valeur initiale et traiter les modèles
Dans la modèle d’exploration de données avec le bouton droit de la colonne pour le modèle nommé Centre d’appels - LR et sélectionnez définir les paramètres d’algorithme.
Dans la ligne correspondant au paramètre HOLDOUT_SEED, cliquez sur la cellule vide sous valeur, et le type 1. Cliquez sur OK.
Notes
La valeur que vous choisissez comme valeur initiale n'a pas d'importance tant que vous utilisez la même valeur initiale pour tous les modèles associés.Dans la des modèles d’exploration de données menu, sélectionnez traiter la Structure d’exploration de données et tous les modèles. Cliquez sur Oui pour déployer le projet d’exploration de données mises à jour sur le serveur.
Dans la modèle d’exploration de données de processus boîte de dialogue, cliquez sur exécuter.
Cliquez sur Fermer pour fermer la progression du traitement boîte de dialogue, puis cliquez sur Fermer à nouveau dans le modèle d’exploration de données de processus boîte de dialogue.
Tâche suivante de la leçon
Voir aussi
Exigences et considérations concernant le traitement (exploration de données)