Урок 5. Создание моделей нейронной сети и логистической регрессии (учебник по интеллектуальному анализу промежуточных данных)

Операционный отдел Adventure Works занимается проектом по повышению удовлетворенности клиентов своим центром обработки вызовов. Они наняли поставщика для управления центром обработки звонков и составлении отчетов о производительности этого центра, и просят провести анализ предварительных данных, предоставленных поставщиком. Они хотят узнать, если будут какие-либо интересные факты. В частности, они хотели бы знать, свидетельствуют ли эти данные о проблемах с кадрами и можно ли на основе этих данных выбрать способ улучшения качества обслуживания.

Набор данных небольшой и содержит только тридцатидневный период работы центра обработки вызовов. Данные отслеживают количество новых и опытных операторов в каждой смене, количество входящих звонков и количество заказов, а также проблемы, которые необходимо устранить, и среднее время ожидания ответа для клиента. Данные также включают метрику качества обслуживания, вычисленную по показателю прекращенных звонков, отражающему степень недовольства клиента.

Так как нет никаких предположений о том, что покажут эти данные, принимается решение использовать модель нейронной сети для исследования возможных корреляций. Модели нейронных сетей часто используются для исследования, так как они могут анализировать сложные связи между множеством входов и выходов.

Обзор учебника

На этом занятии будет использоваться алгоритм нейронной сети для построения модели, которую можно использовать для понимания трендов в данных. Как часть этого занятия, вы попытаетесь ответить на следующие вопросы.

• Какие факторы влияют на удовлетворенность заказчика?

• Что может сделать центр обработки вызовов для повышения показателя обслуживания?

На основе результатов будет построена модель логистической регрессии, которую можно использовать для прогнозов. Отдел эксплуатации будет использовать прогнозы как вспомогательное средство при планировании работы центра обработки звонков.

Это занятие содержит следующие разделы:

• Добавление представления источников данных для данных Call Center (учебник по интеллектуальному анализу данных — средний уровень)

• Создание структуры и модели нейронной сети (учебник по интеллектуальному анализу данных — средний уровень)

• Изучение модели Call Center (учебник по интеллектуальному анализу данных — средний уровень)

• Добавление модели логистической регрессии к структуре Call Center (учебник по интеллектуальному анализу данных — средний уровень)

• Создание прогнозов для моделей Call Center (учебник по интеллектуальному анализу данных — средний уровень)

Следующая задача занятия

Добавление представления источников данных для данных Call Center (учебник по интеллектуальному анализу данных — средний уровень)

Все занятия

Урок 1. Создание решения промежуточного интеллектуального анализа данных (учебник по промежуточному интеллектуальному анализу данных)

Урок 2. Создание сценария прогнозирования (учебник по промежуточному интеллектуальному анализу данных)

Урок 3. Создание сценария рыночной корзины (учебник по промежуточному интеллектуальному анализу данных)

Урок 4. Создание сценария кластеризации последовательностей (учебник по промежуточному интеллектуальному анализу данных)

Урок 5. Сценарий нейронной сети и логистической регрессии (учебник по интеллектуальному анализу данных — средний уровень)

См. также:

Учебник по основам интеллектуального анализа данных
Учебник по интеллектуальному анализу данных — средний уровень (службы Analysis Services — интеллектуальный анализ данных)