我们来设置输入和预测属性值，默认的和前面的Microsoft神经网络属性值一样，因为我们要预测“挂断率”和岗位人数，我们这里选择ServiceGrade和Level Two Operators设置为“预测”，这里VS会为这两个元数据容器创建两个单独的模型。也就是说这个算法回味每一组可预测属性创建一个单独的子树。
其它列我们都更改为“输入”。
我们来部署该挖掘模型，然后运行，下一步我们就是要浏览数据。
（2）部署程序，创建挖掘
在部署完程序后，然后点击运行按钮，这里我们可以看到“挖掘模型查看器”，该算法的浏览器展示的内容和Microsoft神经网络算法是一样的，这里就不废话介绍了，不懂的可以参考我上篇文章。
所以说该算法和Microsoft神经网络算法是一样的，这里面如果真的去对比的话，其实Microsoft逻辑回归算法是基于目的进行设计的，就是说它比起神经网络算法的话，它是带着目标去进行逻辑传递的，这一点有点像Microsoft决策树算法和贝叶斯算法的关系一样。
不废话，我们接着进行我们的挖掘
我们直接进入“挖掘模型规则”
我们这里选择好“挖掘模型”，然后在挖掘模型中选择“单独查询”
这里我们选择上一篇神经网络发现的规则，换班时间（Shift）选择：夜晚（midnight），嘿嘿...然后第二班的人数我们输入个人数，我们假定有6个人
我们在“源”里选择“预测函数”，“字段”选择PredictHistogram，然后将 ServiceGrade拖入“条件/参数”
点击运行，就可以看到这种规则下的，预测的“挂断率”是多少了，6个人上夜班
嘿嘿...结果出来了..0.102566737...结果还可以嘛...表示100人打进电话才有10个人挂断。后面的值是一些数据支撑，比如事例数，可能性等
这种预测是比较单一，我们不能一个个的人数去试验，其实基于这种模型我们还可以进行更深度的挖掘，比如当前我们的呼叫中心人数、上班的次序已经是固定的，我们可以根据这个现有数据进行预测，预测出下一步将如何调整：
我们这样干：
首先我们根据现有表中的数据建立一个可用于预测的数据行，我们按照上班轮次，是否节假日进行分组，取出每个轮次的平均人数、平均电话数等...我们可以利用这个语句：
我们这里把最大值和最小值页进行筛选，以便于后续的挖掘。我们将这个语句改成VS中的数据源视图中的：命名查询
我们进去到挖掘面板中，选择该事例表
然后编辑好管理关系，将包含 Calls 列、Orders 列、Issues 列和 LvlTwoOperators 列映射到平均值。
我们设计一下预测函数
点击运行，我们可以看到预测的明细结果：