Как я могу прогнозировать разрешение билетов или время очереди с использованием исторических данных тикера в Python ⇐ Python

[Anonymous]

Я хочу создать модель, которая прогнозирует время разрешения билетов для билетов поддержки программного обеспечения для науки о данных. /> df [['' type type ',' priority ',' time time (hrs) ',' время разрешения (hrs) ']]
** Я хочу знать, какая модель лучше всего подходит для прогнозирования времени разрешения и как оценить его. Билеты
Общий обзор

• идентификатор билета : диапазоны от Ticket001 ticke100 .

date and time fields



/> [*] Дата создания/время :

• Случайно назначено между 3 января 2022 г. и 26 июня 2025 г. .
• исключает праздники (например, публичные праздники). /> Временные метки находятся между 08:00 и 18:00 (рабочие часы).

[*] Дата разрешения/время (для разрешения/замкнутых клеток). 1–14 дней после даты/времени создания. Проблемы с программным обеспечением /данными, связанные с наукой. Ответ API для конечной точки запроса данных "< /li>
" Задача: Скрипт Refactor ETL для масштабируемости "< /li>
" Улучшение точности модели для анализа настроений "< /li>
< /ul>
< /li>
< /ul>
< /li>
< /br /ul>
< /ul>
< /li>

< /ul>
< /li>

< /ul>
< /li>

< /ul>
< /u Свойства

• Приоритет :
  
  Категории: низкие, средние, высокие, критические. /> < /li>
  status < /strong>: < /p>
  
  Отражает жизненный цикл билета: открытый, в процессе, разрешенный, закрытый. < /li>
  Распределительно сбалансирован для моделирования прогноза реальной стороны. /> Тип билета :
  
  Типы включают: ошибка, запрос функции, задача, улучшение.
• Bug - наиболее частый тип.

/> [*] Серьезность < /strong>: < /p>

• Выровнен с приоритетом (например, критический → блокировщик). < /li>
  < /ul>
  < /li>
  < /strong>: < /p>
  
  < /rest>: < />
  Пул:
  

  Код: Выделить всё

  john_doe

  , mary_smith , dev_team_alpha , dev_team_beta , alice_jones , bob_lee

• project /module < /strong>: < /p>
  
  назначен одному из:
  

  Код: Выделить всё

  Data_Pipeline

  , ml_model , analytics_dashboard , база данных , api

[*] rekeue name :
rekeue Назначен на основе типа вопроса:

• Код: Выделить всё

  Backend_Dev_Queue

  , ml_dev_queue , ui_dev_queue

[*] среда [/b]:

• :
  
  
  
  
  
  Realism.
• Другие параметры: постановка , тестирование , разработка

[*] Источники user-Resport :

sources :


. QA , внутренний
[*] user-reported чаще всего. />
Диапазон: 2–16 часов
Отражает сложность задачи и объем. />> /> То, что я попробовал:
У меня есть набор данных из 100+ билетов поддержки с такими полями, как тип выпуска, приоритет, время очереди, время разрешения и общее время. Я загрузил это в DataFrame Pandas и исследовал данные, используя GroupBy и построение. Затем я попытался использовать модель линейной регрессии для прогнозирования времени разрешения, но результаты были не очень точными. < /P>
Что я ожидал. Я также надеялся понять, какие функции (например, тип выпуска, приоритет) оказывают наибольшее влияние на время разрешения. Мне бы хотелось помочь улучшить модель или знать, лучше ли подходит другой алгоритм (например, XGBOOST, RandomForest или временные ряды).

Подробнее здесь: https://stackoverflow.com/questions/796 ... -ticket-da