Добавление модели логистической регрессии к структуре Call Center (учебник по интеллектуальному анализу данных — средний уровень)
Применимо к: SQL Server 2016 Preview
Кроме анализа факторов, которые могут повлиять на работу центра обработки вызовов, была поставлена задача выработать конкретные рекомендации для персонала по повышению качества обслуживания. Для этой задачи будет использоваться та же структура интеллектуального анализа данных, с помощью которой была построена исследовательская модель. Также будет добавлена модель интеллектуального анализа данных, которая будет использоваться для создания прогнозов.
В службах Службы Analysis Services модель логистической регрессии основана на алгоритме нейронной сети и поэтому обладает той же гибкостью и мощью, что и модель нейронной сети. Однако логистическая регрессия особенно удобна для прогнозирования двоичных результатов.
В этом сценарии можно использовать ту же структуру интеллектуального анализа данных, которая использовалась для модели нейронной сети. Однако нужно настроить новую модель, чтобы получить ответы на нужные вопросы. Вас интересует повышение качества обслуживания и необходимое количество опытных операторов, и вы создадите модель для получения прогнозов по этим показателям.
Чтобы все модели, основанные на данных центра обработки вызовов, были как можно более одинаковыми, вы используете то же начальное значение, что и раньше. Использование параметра начального значения гарантирует, что модель будет обрабатывать данные с той же начальной точки, и сводит к минимуму количество вариантов, создаваемых артефактами в данных.
Добавление новой модели интеллектуального анализа данных к структуре интеллектуального анализа данных центра обработки вызовов
В SQL Server Data Tools (SSDT), в обозревателе решений щелкните правой кнопкой мыши структуру интеллектуального анализа данных, Call Center Binned, и выберите Открыть конструктор.
В конструкторе интеллектуального анализа данных щелкните модели интеллектуального анализа данных вкладки.
Щелкните Создать модель интеллектуального анализа данных связанных.
В новой модели интеллектуального анализа данных диалоговом для имя модели, тип Call Center - LR. Для Имя алгоритма, выберите логистической регрессии Майкрософт.
Нажмите кнопку ОК.
Новая модель интеллектуального анализа данных отображается в моделей интеллектуального анализа данных вкладки.
Настройка модели логистической регрессии
В столбце для новой модели интеллектуального анализа данных Call Center - LR, оставьте значение Fact CallCenter ID. как ключ.
Измените значение ServiceGrade и Level Two Operators на Predict.
Эти столбцы будут использоваться и в качестве входных данных, и для прогноза. По сути, создаются две отдельные модели на тех же данных: одну для прогнозирования количества операторов и которая предсказывает уровень обслуживания.
Изменить все столбцы в ввода.
Указание начального значения и обработка моделей
В модель интеллектуального анализа данных щелкните правой кнопкой мыши столбец для модели с именем Call Center - LR и выберите задать параметры алгоритма.
В строке для параметра HOLDOUT_SEED щелкните пустую ячейку под значение, и тип 1. Нажмите кнопку ОК.
Примечание
Значение, выбираемое в качестве начального, не играет роли, но необходимо использовать одно и то же начальное значение для всех связанных моделей.В модели интеллектуального анализа данных выберите пункт обработать структуру интеллектуального анализа данных и все модели. Щелкните Да развертывание проекта интеллектуального анализа данных обновленных данных на сервер.
В модель интеллектуального анализа данных процесса диалоговом нажмите кнопку запуска.
Нажмите кнопку Закрыть Закрыть Ход обработки диалоговое окно, а затем щелкните Закрыть еще раз в модель интеллектуального анализа данных процесса диалоговое окно.
Следующая задача занятия
Создание прогнозов для моделей Call Center ( учебник по интеллектуальному анализу данных — средний )
См. также:
Требования к обработке и связанные замечания (интеллектуальный анализ данных)