Ajout d'un modèle de régression logistique à la structure de centre d'appels (Didacticiel sur l'exploration de données intermédiaire)
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 de réseaux neuronaux et offre donc la même flexibilité 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 SQL Server Data Tools (SSDT), dans Explorateur de solutions, cliquez avec le bouton droit sur la structure d’exploration de données, Centre d’appels binned, puis sélectionnez Ouvrir Designer.
Dans Designer d’exploration de données, cliquez sur l’onglet Modèles d’exploration de données.
Cliquez sur Créer un modèle d’exploration de données associé.
Dans la boîte de dialogue Nouveau modèle d’exploration de données, pour Nom du modèle, tapez
Call Center - LR. Pour Nom de l’algorithme, sélectionnez Régression logistique Microsoft.Cliquez sur OK.
Le nouveau modèle d’exploration de données s’affiche sous l’onglet Modèles d’exploration de données .
Pour personnaliser le modèle de régression logistique
Dans la colonne du nouveau modèle d’exploration de données,
Call Center - LRlaissez Fact CallCenter ID comme clé.Modifiez la valeur des opérateurs ServiceGrade et Level Two sur 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.
Remplacez toutes les autres colonnes par Entrée.
Pour spécifier la valeur initiale et traiter les modèles
Sous l’onglet Modèle d’exploration de données, cliquez avec le bouton droit sur la colonne du modèle nommé Centre d’appels - LR, puis sélectionnez Définir les paramètres de l’algorithme.
Dans la ligne du paramètre HOLDOUT_SEED, cliquez sur la cellule vide sous Valeur, puis tapez
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 le menu Modèles d’exploration de données, sélectionnez Structure d’exploration de données de processus et Tous les modèles. Cliquez sur Oui pour déployer le projet d’exploration de données mis à jour sur le serveur.
Dans la boîte de dialogue Modèle d’exploration de processus, cliquez sur Exécuter.
Cliquez sur Fermer pour fermer la boîte de dialogue Progression du processus , puis cliquez à nouveau sur Fermer dans la boîte de dialogue Modèle d’exploration de processus.
Tâche suivante de la leçon
Voir aussi
Exigences et considérations concernant le traitement (exploration de données)