將羅吉斯迴歸模型加入到撥接中心結構 (中繼資料採礦教學課程)
除了分析可能會影響撥接中心作業的因素之外，您還必須提供有關員工如何提升服務等級的建議方式。在這項工作中，您將使用之前用來建立探索資料所使用之類神經網路模型的相同採礦結構，並加入一個用於建立預測的採礦模型。
類神經網路和羅吉斯迴歸都可用於預測。但是一般而言，類神經網路會視為非常適合用於探索複雜的互動，而羅吉斯迴歸則特別適合根據已知的獨立變數來預測二進位結果。在本教學課程中，您已經識別出目標結果 (更好的服務等級)，而且已經得知某些可能會影響服務等級的因素。因此，羅吉斯迴歸是一個很好的選擇，可用來預測獨立變數 (如員工和電話回應時間) 的變更可能會如何影響服務等級。
在這一課，您會加入新的模型，並針對您的商務問題自訂新的模型。
若要將新的採礦模型加入到撥接中心採礦結構中
在 Business Intelligence Development Studio 的 [方案總管] 中，以滑鼠右鍵按一下撥接中心採礦結構，然後選取 [開啟設計工具]。
在資料採礦設計師中，按一下 [採礦模型] 索引標籤。
按一下 [建立相關的採礦模型]。
在 [新增採礦模型] 對話方塊的 [模型名稱] 中，輸入撥接中心 - LR。在 [演算法名稱] 中，選取 [Microsoft 羅吉斯迴歸]。
按一下 [確定]。
新的採礦模型就會顯示在 [採礦模型] 索引標籤中。
自訂羅吉斯迴歸模型
在新採礦模型的資料行撥接中心 - LR 中，將 Fact CallCenter ID 保留為索引鍵。
將 ServiceGrade 和「二級操作員」的值變更為 [預測]。
這些資料行將同時用於輸入和預測。
[!附註]
當您在類神經網路模型或羅吉斯迴歸模型中包含多個可預測的屬性時，基本上是在相同的中繼資料容器中建立兩個不同的模型。這是因為此演算法會針對每組可預測屬性建立個別的子樹。
將其他所有資料行變更為 [輸入]。
指定種子和處理模型
在 [採礦模型] 索引標籤中，以滑鼠右鍵按一下名為「撥接中心 – LR」之模型的資料行，然後選取 [設定演算法參數]。
在 HOLDOUT_SEED 參數的資料列中，按一下 [值] 底下的空資料格，然後輸入 1。按一下 [確定]。
[!附註]
只要您將相同的值用於所有相關的模型，您選擇當做初始值的值就不重要了。
在 [採礦模型] 功能表上，選取 [處理採礦結構和所有模型]。按一下 [是]，將更新的資料採礦專案部署到伺服器上。
在 [處理採礦模型] 對話方塊中，按一下 [執行]。
按一下 [關閉] 以關閉 [處理進度] 對話方塊，然後再按一次 [處理採礦模型] 對話方塊中的 [關閉]。