向呼叫中心结构中添加逻辑回归模型（数据挖掘中级教程）
除了分析可能会影响呼叫中心运营的因素之外，您还需要提供一些关于员工如何提升其服务等级的建议。在此任务中，您将使用生成用于浏览数据的神经网络模型时所使用的挖掘结构，并添加一个用来创建预测的挖掘模型。
神经网络和逻辑回归都可以用于预测。但是，通常认为神经网络适用于浏览复杂的交互，而逻辑回归则特别适用于基于已知的独立变量来预测二进制结果。在本教程中，您已确定了您的目标结果（更好的服务等级），并已了解了可能影响服务等级的一些因素。因此，要预测独立变量（如人员配备和呼叫响应时间）的变化对服务等级可能产生的影响，逻辑回归是一个不错的选择。
在本课程中，您将添加一个新模型，并针对您的业务问题自定义这个新的模型。
向呼叫中心挖掘结构中添加新的挖掘模型
在 Business Intelligence Development Studio 的解决方案资源管理器中，右键单击挖掘结构 Call Center，然后选择**“打开设计器”**。
在数据挖掘设计器中单击**“挖掘模型”**选项卡。
单击**“创建相关挖掘模型”**。
在**“新建挖掘模型”对话框中，在“模型名称”中键入 Call Center - LR。在“算法名称”中选择“Microsoft 逻辑回归”**。
单击**“确定”**。
新挖掘模型显示在**“挖掘模型”**选项卡中。
自定义逻辑回归模型
在新挖掘模型 Call Center - LR 所在的列中，将 Fact CallCenter ID 保留为键。
将 ServiceGrade 和 Level Two Operators 的值更改为**“预测”**。
这些列将既可用作输入也可用于预测。
.gif "注意")
注意如果在神经网络模型或逻辑回归模型中包括多个可预测属性，那么您实际上是在同一个元数据容器中创建两个不同的模型。这是因为该算法会为每一组可预测属性创建一个单独的子树。
将其他所有列更改为**“输入”**。
指定种子并处理模型
在**“挖掘模型”选项卡中，右键单击名为“Call Center - LR”的模型所在的列，然后选择“设置算法参数”**。
在 HOLDOUT_SEED 参数所在的行中，单击**“值”下方的空单元格并键入 1。单击“确定”**。
注意选择哪个值作为种子无关紧要，关键是您需要对所有相关模型使用同一个值。
在**“挖掘模型”菜单中，选择“处理挖掘结构和所有模型”。单击“是”**将更新后的数据挖掘项目部署到服务器上。
在**“处理挖掘模型”对话框中，单击“运行”**。
单击**“关闭”关闭“处理进度”对话框，然后再次单击“处理挖掘模型”对话框中的“关闭”**。