타임트리

평가함수를 다양하게 알아야 하는 이유평가함수는 추천시스템의 모델을 생성한 뒤, 해당 모델이 얼마나 추천을 잘 진행하고 있는지에 대해서 평가를 도와주는 함수목적에 따라 적합한 평가함수를 사용하는 것이 중요예를 들어 영화 평점에 추천에서 다음의 두 가지 형태는 분명히 다름추천해준 영화를 고객이 보았는가?추천한 영화를 고객이 높은 점수로 평점을 주었는가? 첫 번째 평가의 경우 단순히 고객이 영화를 본 경우 추천 성공이라고 보지만, 실제 만족도는 낮을 수 있다. 반대로 두 번째의 경우는 고객의 만족도까지 고려하여 평가를 진행했다. 일반적으로 두 번째 평가 방법의 사용이 더 좋아보이지만, 실제 그 이후의 데이터를 얻을 수 있는지 등 주어진 상황에 알맞은 평가함수를 선택하는 것이 중요하다. 평가 함수Accuracy..

정의사용자의 구매 패턴이나 평점을 이용해 다른 사람들의 구매 패턴, 평점을 통해 추천하는 방법추가적인 사용자의 개인정보나 아이템의 정보 없이도 추천할 수 있는 것이 장점 종류최근접 이웃기반(KNN)잠재요인기반(Latent Factor Collaborative Filtering)이웃기반의 협업 필터링(Neighborhood Based Method)정의Neighborhood based Collaborative Filtering은 메모리 기반 알고리즘으로 협업 필터링을 위해 개발된 초기 알고리즘알고리즘User-based collaborative filtering사용자의 구매 패턴(평점)과 유사한 사용자를 찾아서 추천 리스트 생성Item-based collaborative filtering특정 사용자가 준 점수..

정의사용자가 이전에 구매한 상품 중에서 좋아하는 상품과 유사한 상품을 추천하는 방법협업 필터링(Collaborative Filtering)과 차이점협업 필터링: 유사한 User 혹은 Item을 평점 기반으로 찾아내어 그들을 이용한 추천컨텐츠 기반 모델: 유사한 Item을 Item 자체의 Featrue를 통해 찾아내어 추천 유사한 상품을 어떻게 찾을까?상품을 벡터로 표현 - 도메인마다 다른 방법을 적용Text: TD-IDF, Beat, Word2Vec, CounterVectorizer etcImage: CNN, ResNet, VGG etc자신을 제외한 나머지 벡터 중 유사한 벡터를 추출(유사도 계산) 유사도 함수유클리디안 유사도 (Euclidean Similarity) Euclidean Similarity..