將羅吉斯迴歸模型加入到撥接中心結構 (中繼資料採礦教學課程)
除了分析可能會影響撥接中心作業的因數之外,您還必須提供有關員工如何增進服務等級的一些特定建議。在這個工作中,您將使用和探勘模型相同的採礦結構,並加入一個採礦模型用於建立預測。
在 Analysis Services 中,羅吉斯迴歸模型是以類神經網路演算法為基礎,因此與類神經網路模型提供相同的彈性和功能,但更適合用來預測結果。
在這個案例中,您可以重複使用類神經網路模型中包含的所有資料行。不過,當您將新模型加入到採礦結構時,根據預設,這個新模型的輸入和可預測屬性會和第一個採礦模型相同。因此,您必須變更輸入和可預測的屬性,以便針對您的商務問題自訂新的模型。
同時,為了確保撥接中心模型盡可能相似,您將為兩個模型設定種子參數。. 種子參數可確保模型在重新處理期間保持不變。如果您沒有為種子參數指定一個數值,SQL Server Analysis Services 將會根據模型的名稱產生一個種子。您所建立的類神經網路模型與羅吉斯迴歸模型的名稱全都不同,因此,您必須設定一個種子值來確保它們從完全相同的點開始處理資料。
將新的採礦模型加入到撥接中心採礦結構中
在 Business Intelligence Development Studio 的 [方案總管] 中,以滑鼠右鍵按一下採礦結構 [分類收納的撥接中心],然後選取 [開啟設計工具]。
在資料採礦設計師中,按一下 [採礦模型] 索引標籤。
按一下 [建立相關的採礦模型]。
在 [新增採礦模型] 對話方塊的 [模型名稱] 中,輸入撥接中心 - LR。在 [演算法名稱] 中,選取 [Microsoft 羅吉斯迴歸]。
按一下 [確定]。
新的採礦模型就會顯示在 [採礦模型] 索引標籤中。
自訂羅吉斯迴歸模型
在新採礦模型的資料行撥接中心 - LR 中,將 Fact CallCenter ID 保留為索引鍵。
將 ServiceGrade 和「二級操作員」的值變更為 [預測]。
這些資料行將同時用於輸入和預測。當您在類神經網路模型或羅吉斯迴歸模型中包含多個可預測的屬性時,基本上是在相同的中繼資料容器中建立兩個不同的模型。演算法會為每組可預測屬性建立一個個別的子樹。
將其他所有資料行變更為 [輸入]。
指定種子和處理模型
在 [採礦模型] 索引標籤中,以滑鼠右鍵按一下名為「撥接中心 – LR」之模型的資料行,然後選取 [設定演算法參數]。
在 HOLDOUT_SEED 參數的資料列中,按一下 [值] 底下的空資料格,然後輸入 1。按一下 [確定]。
[!附註]
只要您將相同的種子用於所有相關的模型,您選擇做為種子的值就不重要了。
在 [採礦模型] 功能表上,選取 [處理採礦結構和所有模型]。按一下 [是],將更新的資料採礦專案部署到伺服器上。
在 [處理採礦模型] 對話方塊中,按一下 [執行]。
按一下 [關閉] 以關閉 [處理進度] 對話方塊,然後再按一次 [處理採礦模型] 對話方塊中的 [關閉]。