Lekcja 5: Tworzenie sieci neuronowe i modele logistyczne regresja (zaawansowany samouczek wyszukiwanie danych)
Dział operacji Adventure Works jest zaangażowane w projekt aby zwiększyć stopień zadowolenia klientów środka ich wywołania. Dostawcy do zarządzania na środku wywołania, a także sprawozdanie metryki skuteczności gniazda połączenia i zwróciły analizować niektóre wstępne dane dla wszystkich interesujących ustaleń ich zatrudnienia.W szczególności one chce wiedzieć, jeżeli dane sugeruje żadnych problemów z obsadzania lub sposoby poprawienia czas odpowiedzi.
zestaw danych obejmuje okres 30 dni w operacji na środku wywołania.Dane śledzi liczbę operatorów w każdej zmiany, na podstawie liczby wywołań i zamówienia, czas odpowiedzi i metrykę jakości usługa opuszczenie kursu, czyli wskaźnik frustracji spowodowanej odbiorcy.
Ponieważ nie masz żadnych poprzednich oczekiwań o informacje będą wyświetlane dane, użytkownik zdecyduje się użyć modelu neuronowe sieci zbadanie możliwości korelacji.Modele neuronowe sieci są często używane do wykrywania wiedza i mogą analizować złożone relacje między liczbę wejść i wyjść.
Po określeniu czynników, które przyczyniają się do stopień zadowolenia klientów do środka wywołanie utworzy modelu regresja, które mogą być używane do prognoz dotyczących obsadzania i innych dzienne decyzje biznesowe.
Zakres informacji w samouczku
W tej lekcji algorytm neuronowe sieci użyje do utworzenia modelu, że operacje zespołu mogli zrozumienie danych i trendów za pomocą i odpowiedzi na następujące pytania:
Jakie czynniki wpływają na stopień zadowolenia klientów?
Co zrobić Centrum wywołanie do poprawy jakości usługa?
Na podstawie wyniki, można będzie wówczas utworzyć modelu regresja logistyczne, służące do przewidywania.Prognoz będą używane przez zespół operacje jako pomoc w planowaniu operacji Centrum wywołania.
W tej lekcji zawiera następujące tematy:
Keyboard Shortcuts in Reporting Services
Historia zmian
Microsoft Learning |
|---|
Samouczek scenariusz zaktualizowane do używania jednego struktura wyszukiwania zawiera wiele kopii kolumna numerycznej z każdej z kolumn discretized w różny sposób. |
Dodaje objaśnienia sposobów korzystania z modeli wyszukiwanie danych, aliasy kolumna |
Poprawiono nazwy model wyszukiwania w prognoz i instrukcje DDL uwzględnienie zaktualizowanych scenariusza. |
Aded opis sposobu generowania dzień tygodnia, w widoku urządzenie źródłowe danych; do modeli wynikowy dodaje dzień tygodnia. |