목록파이썬 (20)

코딩걸음마

[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
[추천 시스템(RS)] CBF 장르 기반 영화 추천 코드

1. 데이터 불러오기 사용할 데이터 셋 : TMDB 5000 Movie Dataset https://www.kaggle.com/datasets/tmdb/tmdb-movie-metadata/download?datasetVersionNumber=2 Kaggle: Your Home for Data Science www.kaggle.com import pandas as pd import numpy as np movies_df = pd.read_csv('data/tmdb_5000_movies.csv') print(movies_df.shape) # 행, 열 개수 파악 movies_df.head() (4803, 20) 2. 데이터 확인 결측치 및 dtype확인 movies_df.info() RangeIndex: 48..
딥러닝 템플릿/추천시스템(RS) 코드 2022. 7. 16. 01:29
[딥러닝] Pytorch 행렬/텐서의 곱셈(Matrix/tensor Multiplication)

1. 행렬의 곱셈 행렬의 곱셈은 내적(inner product, Dot product)이라고한다. 딥러닝 과정에서 중요한 연산 중 하나이다. 행렬의 곱셈의 조건이 있다. 다음과 같은 두개의 행렬이 있다고 가정해보자 x = torch.size([ a , b ]) y = torch.size([ c , d ]) 라고 할 때 b = c 조건이 성립되어야하며, 내적 결과는 torch.size([ a , d ])가 나온다. import torch x = torch.FloatTensor([[1, 2], [3, 4], [5, 6]]) y = torch.FloatTensor([[1, 2], [1, 2]]) print(x.size(), y.size()) torch.Size([3, 2]) torch.Size([2, 2]) ..
딥러닝_Pytorch 2022. 6. 24. 22:15
[딥러닝] Pytorch 주요함수 expand/randperm/argmax/topk/masked_fill/Ones , Zeros

1. expand expand는 Tensor를 복사하여 원하는 차원으로 만드는 방법이다. import torch x = torch.FloatTensor([[[1, 2]], [[3, 4]]]) print(x.size()) torch.Size([2, 1, 2]) 이 tensor를 복사하여 [2, 4, 2] 형태로 바꿔보자 y = x.expand(*[2, 4, 2]) print(y) print(y.size()) tensor([[[1., 2.], [1., 2.], [1., 2.], [1., 2.]], [[3., 4.], [3., 4.], [3., 4.], [3., 4.]]]) torch.Size([2, 4, 2]) 물론 cat을 활용해서 붙힐 수 있다. y = torch.cat([x, x, x, x], dim=..
딥러닝_Pytorch 2022. 6. 24. 19:07
Prev 1 2 3 4 5 Next