Notice
Recent Posts
Recent Comments
Link
반응형
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- 강화학습의 수학적 기초와 알고리듬의 이해
- conditional_edges
- Python
- rag
- tool_calls
- pinecone
- LangChain
- removemessage
- rl
- summarize_chat_history
- REACT
- update_state
- lcel
- subgraph
- add_subgraph
- tool_binding
- human-in-the-loop
- 추천시스템
- langgrpah
- 강화학습
- 밑바닥부터시작하는딥러닝 #딥러닝 #머신러닝 #신경망
- RecSys
- langgraph
- 밑바닥부터 시작하는 딥러닝
- chat_history
- humannode
- toolnode
- 강화학습의 수학적 기초와 알고리듬 이해
- conditional_edge
- Ai
Archives
- Today
- Total
반응형
목록metric (1)
반응형
타임트리
추천시스템의 평가함수
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..
추천시스템
2023. 3. 15. 01:29