Добавление модели логистической регрессии к структуре Call Center (учебник по интеллектуальному анализу данных — средний уровень)
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 Analysis Services модель логистической регрессии основана на алгоритме нейронных сетей и, следовательно, обеспечивает ту же гибкость и мощность, 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 Обозреватель решений щелкните правой кнопкой мыши структуру интеллектуального анализа данных Центр обработки вызовов и выберите Открыть Designer.
В Designer интеллектуального анализа данных перейдите на вкладку Модели интеллектуального анализа данных.
Щелкните Создать связанную модель интеллектуального анализа данных.
В диалоговом окне Новая модель интеллектуального анализа данных в поле Имя модели введите
Call Center - LR. В поле Имя алгоритма выберите Microsoft Logistic Regression.Нажмите кнопку ОК.
Новая модель интеллектуального анализа данных отображается на вкладке Модели интеллектуального анализа данных .
Настройка модели логистической регрессии
В столбце для новой модели
Call Center - LRинтеллектуального анализа данных оставьте идентификатор центра обработки вызовов фактов в качестве ключа.Измените значения Операторы ServiceGrade и Level Two для прогнозирования.
Эти столбцы будут использоваться и в качестве входных данных, и для прогноза. По сути, вы создаете две отдельные модели на основе одних и того же данных: одна, которая прогнозирует количество операторов, а другая — уровень обслуживания.
Измените все остальные столбцы на Входные данные.
Указание начального значения и обработка моделей
На вкладке Модель интеллектуального анализа данных щелкните правой кнопкой мыши столбец модели с именем Call Center - LR и выберите Задать параметры алгоритма.
В строке параметра HOLDOUT_SEED щелкните пустую ячейку в разделе Значение и введите
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 меню Модели интеллектуального анализа данных выберите Обработать структуру интеллектуального анализа данных и все модели. Нажмите кнопку Да , чтобы развернуть обновленный проект интеллектуального анализа данных на сервере.
В диалоговом окне Обработка модели интеллектуального анализа данных нажмите кнопку Выполнить.
Нажмите кнопку Закрыть , чтобы закрыть диалоговое окно Ход выполнения процесса , а затем снова нажмите кнопку Закрыть в диалоговом окне Модель интеллектуального анализа данных процесса .
Следующая задача занятия
См. также:
Требования к обработке и связанные замечания (интеллектуальный анализ данных)