Hinzufügen eines logistischen Regressionsmodells zur Callcenterstruktur (Data Mining-Lernprogramm für Fortgeschrittene)

Gilt für: SQL Server 2016 Preview

Zusätzlich zum Analysieren der Faktoren, die auswirken können, wurden auch gebeten, einige spezifische Empfehlungen bereitstellen, wie das Personal die Dienstqualität verbessern können. Für diese Aufgabe verwenden Sie dieselbe Miningstruktur wie beim Erstellen des explorativen Modells. Sie fügen jedoch ein Miningmodell hinzu, das zum Erstellen von Vorhersagen verwendet wird.

In Analysis Services basiert ein logistisches Regressionsmodell auf dem neuronalen Netzwerke-Algorithmus und hat daher dieselbe Flexibilität und Leistungsstärke wie ein neuronales Netzwerkmodell. Die logistische Regression ist jedoch besonders gut dafür geeignet, binäre Ergebnisse vorherzusagen.

Für dieses Szenario verwenden Sie die gleiche Miningstruktur, die Sie für das neuronale Netzwerkmodell verwendet haben. Sie passen jedoch das neue Modell an, um Ihre Geschäftsfragen gezielt zu beantworten. Sie möchten die Dienstqualität verbessern und bestimmen, wie viele erfahrene Operatoren Sie benötigen. Deshalb richten Sie das Modell für die Vorhersage dieser Werte ein.

Um sicherzustellen, dass alle Modelle auf Grundlage der Callcenterdaten die größtmögliche Ähnlichkeit aufweisen, verwenden Sie denselben Ausgangswert wie zuvor. Durch Festlegen des Ausgangswertparameters gewährleisten Sie, dass das Modell die Daten vom gleichen Ausgangspunkt verarbeitet. Sie minimieren so die von Artefakten in den Daten verursachten Variationen.

So fügen Sie der Callcenter-Miningstruktur ein neues Miningmodell hinzu

1. In SQL Server Data Tools (SSDT), im Projektmappen-Explorer mit der Maustaste der Miningstruktur Callcenter, und wählen Sie Designer öffnen.

2. Klicken Sie im Data Mining-Designer auf die Miningmodelle Registerkarte.

3. Klicken Sie auf ein verknüpftes Miningmodell erstellen.

4. In der Neues Miningmodell im Dialogfeld für Modellname, Typ Callcenter - LR. Für Algorithmusname, Option Microsoft Logistic Regression.

5. Klicken Sie auf OK.

   Das neue Miningmodell wird angezeigt, dem Miningmodelle Registerkarte.

So passen Sie das logistische Regressionsmodell an

1. In der Spalte für das neue Miningmodell Callcenter - LR, lassen Sie Fact CallCenter ID als Schlüssel.

2. Ändern Sie den Wert von ServiceGrade und Operatoren auf Ebene 2 zu Predict.

   Diese Spalten werden sowohl für die Eingabe als auch für Vorhersagen verwendet. In Wesentlichen erstellen Sie zwei separate Modelle auf derselben Datenbasis: eines für die Vorhersage der Operatorenzahl, und eines für die Vorhersage der Dienstqualität.

3. Ändern Sie alle anderen Spalten in Eingabe.

So geben Sie den Ausgangswert an und verarbeiten die Modelle

1. In der Miningmodell Registerkarte, mit der rechten Maustaste der Spalte, für das Modell mit dem Namen Callcenter - LR aus, und wählen Algorithmusparameter festlegen.

2. Klicken Sie in der Zeile für den HOLDOUT_SEED-Parameter, auf die leere Zelle unter Wert, und geben Sie 1. Klicken Sie auf OK.

   Hinweis

   
   Welchen Wert Sie als Ausgangswert auswählen, ist gleichgültig, solange für alle verwandten Modelle der gleiche Ausgangswert verwendet wird.

3. In der Miningmodelle Klicken Sie im Menü Miningstruktur verarbeiten und alle Modelle. Klicken Sie auf Ja , um das aktualisierte Data Mining-Projekt auf dem Server bereitzustellen.

4. Klicken Sie im Dialogfeld Miningmodell verarbeiten auf Ausführen.

5. Klicken Sie auf Schließen , um das Dialogfeld Verarbeitungsstatus zu schließen, und klicken Sie im Dialogfeld Miningmodell verarbeiten erneut auf Schließen .

Nächste Aufgabe in der Lektion

Erstellen von Vorhersagen für Callcentermodelle ( Datamining-Lernprogramm für fortgeschrittene )

Siehe auch

Anforderungen und Überlegungen zur Verarbeitung (Data Mining)