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改進服務品質的一些特定建議。 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。 不過，羅吉斯迴歸演算法特別適合用來預測二進位結果。
在這個案例中，您將使用類神經網路模型所用的相同採礦結構。 不過，您將針對您的商務問題自訂新的模型。 您對改進服務品質及判斷所需的資深操作員人數特別感興趣，因此將設定模型以預測這些值。
為了確保以撥接中心資料為基礎的所有模型盡可能相似，您將使用和以前相同的初始值。 設定種子參數可確保模型會從相同起點開始處理資料，將資料中的成品所造成的變化降至最低。
將新的採礦模型加入到撥接中心採礦結構中
在 SQL Server Data Tools (SSDT) 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 Call Center - 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 Call Center - LR 的資料行中，將 Fact CallCenter ID 保留為索引鍵。
將 ServiceGrade 和 Level Two Operators 的值變更為 [預測]。
這些資料行將同時用於輸入和預測。 基本上，您是在相同的資料上建立兩個不同的模型：一個用來預測操作員人數，一個用來預測服務等級。
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「Call Center - 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]。