除了分析可能影響來電中心作業的因素之外，您也被要求提供一些特定建議，說明員工如何改善服務品質。 在這項工作中，您將使用相同的採礦結構來建置探勘模型，並新增將用於建立預測的採礦模型。
在 Analysis Services 中，羅吉斯回歸模型是以神經網路演算法為基礎，因此提供與類神經網路模型相同的彈性和能力。 不過，羅吉斯回歸特別適合用來預測二進制結果。
在此案例中，您將使用用於類神經網路模型的相同採礦結構。 不過，您將自定義新的模型，以針對您的商務問題。 您有興趣改善服務品質，並判斷您需要的作員數量，因此您將設定模型來預測這些值。
為了確保根據客服中心數據的所有模型都盡可能類似，您將使用與之前相同的種子值。 設定種子參數可確保模型會處理來自相同起點的數據，並將數據中成品所造成的變化降到最低。
將新的採礦模型新增至呼叫中心採礦結構
在 SQL Server Data Tools （SSDT）的 [方案總管] 中，以滑鼠右鍵按一下採礦結構 [呼叫中心量化]，然後選取 [開啟設計師]。
在 [數據採礦設計師] 中，按兩下 [ 採礦模型] 索引標籤 。
按兩下 [建立相關的採礦模型]。
在 [ 新增採礦模型] 對話框中，針對 [模型名稱]，輸入
Call Center - LR。 針對 演算法名稱，選取 Microsoft 邏輯回歸。按一下 [確定]。
新的採礦模型會顯示在 [ 採礦模型 ] 索引標籤中。
自定義羅吉斯回歸模型
在新採礦模型的數據行中，
Call Center - LR將 Fact CallCenter ID 保留為索引鍵。將 ServiceGrade 和 Level Two 運算子的值變更為 Predict。
這些欄位將同時作為輸入和進行預測。 基本上，您會在相同的數據上建立兩個不同的模型：一個預測運算符數目，另一個預測服務等級。
將所有其他數據行變更為 Input。
指定種子並對模型進行處理
在 [ 採礦模型] 索引卷標中，以滑鼠右鍵按兩下名為 Call Center - LR 之模型的數據行，然後選取 [ 設定演演算法參數]。
在 HOLDOUT_SEED 參數的數據列中，按下 [值] 底下的空白儲存格，然後輸入
1。 按一下 [確定]。備註
您選擇做為種子的值並不重要，只要您針對所有相關模型使用相同的種子即可。
在 [ 採礦模型] 功能表中，選取 [ 處理採礦結構和所有模型]。 按兩下 [是 ] 將更新的數據採礦專案部署至伺服器。
在 [ 進程採礦模型] 對話框中，按兩下 [ 執行]。
按兩下 [關閉] 以關閉 [行程進度] 對話框，然後在 [行程採礦模型] 對話框中再次按兩下 [關閉]。