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 Службы Analysis Services модель логистической регрессии основана на алгоритме нейронной сети и поэтому обладает той же гибкостью и мощью, 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

1. В среде SQL Server Data Tools (SSDT) в обозревателе решений щелкните правой кнопкой мыши структуру интеллектуального анализа данных «Call Center Binned» и выберите команду Открыть конструктор.

2. В конструкторе интеллектуального анализа данных перейдите на вкладку Модели интеллектуального анализа данных.

3. Выберите команду Создать связанную модель интеллектуального анализа данных.

4. В диалоговом окне Создание модели интеллектуального анализа данных введите в поле Имя модели строку «Call Center — LR». В поле Имя алгоритма выберите Алгоритм логистической регрессии (Майкрософт).

5. Нажмите кнопку ОК.

   На вкладке Модели интеллектуального анализа данных появляется новая модель интеллектуального анализа данных.

Настройка модели логистической регрессии

1. В столбце для новой модели интеллектуального анализа данных «Call Center — LR» оставьте в качестве ключа Fact CallCenter ID.

2. Измените значение ServiceGrade и Level Two Operators на Прогнозируемое.

   Эти столбцы будут использоваться и в качестве входных данных, и для прогноза. В сущности, вы создаете две разных модели на основе одних и тех же данных: одну для прогнозирования количества операторов, другую для прогнозирования уровня обслуживания.

3. Измените тип всех остальных столбцов на Входной.

Указание начального значения и обработка моделей

1. На вкладке Модель интеллектуального анализа данных щелкните правой кнопкой мыши столбец для модели Call Center - LR и выберите команду Установить параметры алгоритма.

2. В строке для параметра HOLDOUT_SEED щелкните пустую ячейку под строкой 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.

3. В меню Модели интеллектуального анализа данных выберите команду Обработать структуру интеллектуального анализа данных и все модели. Чтобы выполнить развертывание на сервере обновленного проекта интеллектуального анализа данных, нажмите кнопку Да.

4. В диалоговом окне Обработка модели интеллектуального анализа данных нажмите кнопку Выполнить.

5. Нажмите кнопку Закрыть, чтобы закрыть диалоговое окно Ход обработки, а затем вновь нажмите кнопку Закрыть в диалоговом окне Обработка модели интеллектуального анализа данных.

Следующая задача занятия

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

См. также

Основные понятия

Требования к обработке и связанные замечания (интеллектуальный анализ данных)