Ajout d'un modèle de régression logistique à la structure de centre d'appels (Didacticiel sur l'exploration de données intermédiaire)
En plus d'analyser les facteurs qui peuvent affecter le fonctionnement d'un centre d'appels, il vous a été demandé de recommander des méthodes à utiliser par le personnel pour améliorer ses niveaux de service. Au cours de cette tâche, vous utiliserez la même structure d'exploration de données que celle qui a servi à générer le modèle de réseau neuronal pour l'exploration des données ; par ailleurs, vous ajouterez un modèle d'exploration de données qui servira à créer des prédictions.
Les réseaux neuronaux et la régression logistique peuvent être utilisés pour les prédictions. Toutefois, en règle générale, les réseaux neuronaux sont considérés comme étant appropriés à l'exploration d'interactions complexes, alors que la régression logistique est particulièrement bien adaptée à la prédiction des résultats binaires en fonction de variables indépendantes connues. Dans ce didacticiel, vous avez déjà identifié votre résultat cible (meilleur niveau de service) ; en outre, vous avez découvert certains facteurs susceptibles d'influencer le niveau de service. Par conséquent, la régression logistique est un bon choix pour prédire la façon dont les modifications des variables indépendantes, par exemple la gestion du personnel et le temps de réponse aux appels, peuvent affecter le niveau de service.
Dans cette leçon, vous allez ajouter un nouveau modèle et le personnaliser pour vos questions pratiques.
Pour ajouter un nouveau modèle d'exploration de données à la structure d'exploration de données de centre d'appels
Dans Business Intelligence Development Studio, dans l'Explorateur de solutions, cliquez avec le bouton droit sur la structure d'exploration de données Call Center (Centre d'appels), puis sélectionnez Ouvrir le concepteur.
Dans le Concepteur d'exploration de données, cliquez sur l'onglet Modèles d'exploration de données.
Cliquez sur Créer un modèle d'exploration de données connexe.
Dans la boîte de dialogue Nouveau modèle d'exploration de données, pour Nom du modèle, tapez Call Center - LR (Centre d'appels – LR). Pour Nom d'algorithme, sélectionnez MLR (Microsoft Logistic Regression).
Cliquez sur OK.
Le nouveau modèle d'exploration de données s'affiche sous l'onglet Modèles d'exploration de données.
Pour personnaliser le modèle de régression logistique
Dans la colonne correspondant au nouveau modèle d'exploration de données, Call Center - LR (Centre d'appels – LR), laissez l'ID FactCallCenter comme clé.
Remplacez la valeur de ServiceGrade et de LevelTwoOperators par Prédire.
Ces colonnes seront utilisées aussi bien comme entrée que pour la prédiction.
[!REMARQUE]
Lorsque vous incluez plusieurs attributs prévisibles dans un modèle de réseau neuronal ou un modèle de régression logistique, vous créez essentiellement deux modèles distincts dans le même conteneur de métadonnées. En effet, l'algorithme crée une sous-arborescence distincte pour chaque jeu d'attributs prévisibles.
Modifiez toutes les autres colonnes en leur affectant Entrée.
Pour spécifier la valeur initiale et traiter les modèles
Sous l'onglet Modèle d'exploration de données, cliquez avec le bouton droit dans la colonne sur le modèle nommé Call Center - LR (Centre d'appels - LR), puis sélectionnez Définir les paramètres d'algorithme.
Dans la ligne correspondant au paramètre HOLDOUT_SEED, cliquez sur la cellule vide sous Valeur, puis tapez 1. Cliquez sur OK.
[!REMARQUE]
La valeur que vous choisissez comme valeur initiale n'a pas d'importance tant que vous utilisez la même valeur pour tous les modèles associés.
Dans le menu Modèles d'exploration de données, sélectionnez Traiter l'exploration de données et tous les modèles. Cliquez sur Oui pour déployer le projet d'exploration de données mis à jour sur le serveur.
Dans la boîte de dialogue Traiter le modèle d'exploration de données, cliquez sur Exécuter.
Cliquez sur Fermer pour fermer la boîte de dialogue État d'avancement du traitement, puis cliquez de nouveau sur Fermer dans la boîte de dialogue Traiter le modèle d'exploration de données.
Tâche suivante de la leçon