목록딥러닝 (23)

코딩걸음마

[추천 시스템(RS)] Matrix Factorization

Matrix Factorization의 자세한 설명은 아래링크를 확인하자 https://developers.google.com/machine-learning/recommendation/collaborative/matrix 요약하면 Matrix Factorization(MF)는 User와 Item 간의 평가 정보를 나타내는 Rating Matrix를 User Latent Matrix와 Item Latent Matrix로 분해하는 기법을 말한다. ​Rating Matrix는 (User의 수) * (Item의 수)로 구성된 행렬이다. 각 칸에는 각 유저가 기록한 해당 아이템에 대한 평가가 기록된다. 평점 Data는 Sparse Matrix(희소행렬)가 되기 마련인데, MF는 이러한 행렬 분해 과정에서 이러한 ..
딥러닝 템플릿/추천시스템(RS) 코드 2022. 7. 19. 04:29
[추천 시스템(RS)] Surprise 라이브러리를 활용한 추천 시스템

Surprise 라이브러리는 복잡한 추천시스템을 간단하게(scikit learn과 비슷하게) 구현해놓은 라이브러리입니다. 추천시스템을 간단하게 구현할 수 있지만, 추천 알고리즘을 이해한 후에 사용하는 것이 좋다. 0. 라이브러리 설치 !pip install scikit-surprise 윈도우 사용자는 여기서부터 에러가 뜨는데 이때는 visual studio buildtools를 설치한 후에 라이브러리 설치를 진행해야한다. https://visualstudio.microsoft.com/ko/downloads/ Visual Studio Tools 다운로드 - Windows, Mac, Linux용 무료 설치 Visual Studio IDE 또는 VS Code를 무료로 다운로드하세요. Windows 또는 Mac..
딥러닝 템플릿/추천시스템(RS) 코드 2022. 7. 19. 04:10
[추천 시스템(RS)] 협업 필터링 CF (Collaborate Filtering)

이웃기반 협업필터링 유사도계산, 아이템기반, 유저기반 -> 유사도; 자카드, 피어슨, 코사인 1. 데이터 불러오기 import os import pandas as pd import numpy as np from math import sqrt from tqdm import tqdm_notebook as tqdm from sklearn.model_selection import train_test_split from sklearn.metrics import mean_squared_error https://movielens.org/ MovieLens About MovieLens | Contact Us | Privacy Policy | Terms of Use version 4.5.3 2021.6.25.166 Al..
딥러닝 템플릿/추천시스템(RS) 코드 2022. 7. 16. 06:12
[추천 시스템(RS)] CF-KNN (Collaborate Filtering K-Nearest Neighbor)

이웃기반 알고리즘 K-최근접 이웃(K-Nearest Neighbor, KNN)은 어떤 데이터가 주어지면 그 주변(이웃)의 데이터를 살펴본 뒤 더 많은 데이터가 포함되어 있는 범주로 분류하는 방식입니다. 어떻게 보면 클러스터링 기법과 비슷하지만 여기서 사용되는 KNN은 지도학습이다. CF-KNN은 모델이 아닌 이웃 기반 알고리즘이다. 장/단점 추천 리스트에 새로운 사용자 또는 아이템에 대해 안정적으로 예측이 가능하다. 방법이 간단하고 직관적이어서 접근이 용이하다. 속도가 느리며, 메모리가 많이 든다. 희소성(sparse matrix)으로 인한 제약이 발생한다. (유사한 이웃이 사용한 경험이 없으면 추천 불가능하다) 1. 데이터 불러오기 9천여개 영화에 대해 사용자들(600여명)이 평가한 10만여개 평점 데..
딥러닝 템플릿/추천시스템(RS) 코드 2022. 7. 16. 03:16
Prev 1 2 3 4 ··· 6 Next