第 5 课：生成神经网络模型和逻辑回归模型（数据挖掘中级教程）

Adventure Works 的业务部门正在开展旨在提高客户对呼叫中心满意度的项目。他们雇用了一位供应商来管理呼叫中心并报告有关呼叫中心工作效率的指标，同时请您分析一些初步数据以发现值得注意的地方。特别是，他们想知道这些数据是否间接显示了人员配备的任何问题或改进响应时间的方式。

该数据集包括呼叫中心 30 天内的运转情况。数据跟踪每个班次的操作员人数、呼叫数和订单数、响应时间和基于“挂断率”（能够反映客户失望度）的服务等级标准。

因为您事先对将显示的数据没有任何期望，您决定使用神经网络模型来探查可能的相关性。神经网络模型通常用于知识发现，并且能够分析多个输入和输出之间的复杂关系。

在您确定了呼叫中心令客户满意的因素后，将生成一个回归模型，该模型可用于对人员配备以及其他日常业务决策进行预测。

学习内容

在本课程中，您将使用神经网络算法生成一个模型，使您和业务团队可以使用该模型来理解数据及其趋势，并回答下列问题：

根据结果，您将生成可用于预测的逻辑回归模型。业务团队将使用该预测来帮助规划呼叫中心的运营。

本课程包含以下主题：

更新的内容
更新了教程方案，以使用包含数值列的多个副本的单个挖掘结构（其中每个副本列都是以不同的方式离散化的）。
增加了关于如何在数据挖掘模型中使用列别名的说明。
更正了预测和 DDL 语句中的挖掘模型名称以便与更新后的方案匹配。
添加了如何在数据源视图中生成关于星期几的说明；将星期几添加到结果模型中。