Добавление модели логистической регрессии в структуру центра вызовов (учебник по интеллектуальному анализу промежуточных данных)

Помимо анализа факторов, которые могут повлиять на операции центра обработки вызовов, вам также было предложено предоставить некоторые конкретные рекомендации по улучшению качества обслуживания персонала. В этой задаче вы будете использовать ту же структуру анализа данных, что и для построения исследовательской модели, и добавите новую модель для анализа данных, которая будет использоваться для создания прогнозов.

В службах Analysis Services модель логистической регрессии основана на алгоритме нейронных сетей, поэтому обеспечивает ту же гибкость и мощность, что и модель нейронной сети. Однако логистическая регрессия особенно хорошо подходит для прогнозирования двоичных результатов.

В этом сценарии вы будете использовать ту же структуру интеллектуального анализа данных, которая использовалась для модели нейронной сети. Однако вы настроите новую модель, чтобы решить ваши бизнес-вопросы. Вы заинтересованы в улучшении качества обслуживания и определении количества опытных операторов, поэтому вы настроите модель для прогнозирования этих значений.

Чтобы убедиться, что все модели, основанные на данных центра обработки вызовов, как это возможно, аналогичны, вы будете использовать то же начальное значение, что и раньше. Задание параметра начального значения гарантирует, что модель обрабатывает данные из той же начальной точки и сводит к минимуму вариации, вызванные артефактами в данных.

Добавление новой модели интеллектуального анализа в структуру интеллектуального анализа данных для колл-центра.

1. В обозревателе решений SQL Server Data Tools (SSDT) щелкните правой кнопкой мыши структуру интеллектуального анализа данных, диспетчер вызовов и выберите "Открыть конструктор".

2. В конструкторе интеллектуального анализа данных перейдите на вкладку Модели интеллектуального анализа данных.

3. Нажмите кнопку "Создать связанную модель интеллектуального анализа данных".

4. В диалоговом окне "Новая модель интеллектуального анализа данных", для имя модели, введите Call Center - LR. Для имени алгоритма выберите microsoft Logistic Regression.

5. Нажмите кнопку ОК.

   Новая модель анализа данных отображается на вкладке «Модели анализа данных».

Настройка модели логистической регрессии

1. В столбце для новой модели интеллектуального анализа данных Call Center - LR оставьте Fact CallCenter ID в качестве ключа.

2. Измените значение ServiceGrade и операторов уровня два на Predict.

   Эти столбцы будут использоваться как в качестве входных данных, так и для прогнозирования. В сущности, вы создаете две отдельные модели на одних и том же данных: один, который прогнозирует количество операторов, и тот, который прогнозирует уровень обслуживания.

3. Измените все остальные столбцы на input.

Чтобы задать начальное значение и обработать модели

1. На вкладке "Модель данных" щелкните правой кнопкой мыши столбец модели с именем "Центр вызовов - LR" и выберите "Задать параметры алгоритма".

2. В строке параметра HOLDOUT_SEED щелкните пустую ячейку в разделе "Значение" и введите 1. Нажмите кнопку ОК.

   Замечание

   Значение, выбранное в качестве начального значения, не имеет значения, если вы используете одно и то же начальное значение для всех связанных моделей.

3. В меню "Модели интеллектуального анализа данных" выберите "Структура интеллектуального анализа данных" и "Все модели". Нажмите кнопку "Да" , чтобы развернуть обновленный проект интеллектуального анализа данных на сервере.

4. В диалоговом окне "Модель процесс майнинга" нажмите "Выполнить".

5. Нажмите Закрыть, чтобы закрыть диалоговое окно Ход выполнения процесса, а затем снова нажмите Закрыть в диалоговом окне Модель интеллектуального анализа данных.

Следующая задача на занятии

Создание прогнозов для моделей Центра вызовов (учебник по интеллектуальному анализу промежуточных данных)

См. также

Требования к обработке и рекомендации (интеллектуальный анализ данных)