ML/Recommendation
-
[Recommendation] 유사도와 KNN을 활용한 예측값 계산 및 추천 목록 생성ML/Recommendation 2020. 3. 6. 18:46
유사도를 구하는 것까지 구현을 해봤으니, 이제 추천 목록을 생성해보자! 유사도 구현? 관련 포스팅> 유클리디안 ① https://dokylee.tistory.com/26 // MSD, Cosine, Pearson ② https://dokylee.tistory.com/27 유사도와 KNN을 활용한 예측값 계산 및 추천 목록 생성 기법 - 사용자들 간의 유사도를 이용하여 모든 아이템에 대한 예측 평점을 계산하고, 높은 값을 갖는 상위 N개의 추천 목록 생성 - Nearest Neighbors(KNN) 가중치 예측 기법 사용자(또는 아이템)와 유사도가 큰 k개의 사용자(또는 아이템) 벡터를 사용해 가중 평균을 구해서 가중치를 예측 KNN Basic 평점들을 단순히 가중 평균Nk는 유사도가 큰 벡터 상위 k개의..
-
[Recommendation] Collaborative Filtering : MSD, Cosine, Pearson 유사도ML/Recommendation 2020. 3. 6. 18:16
이전 포스팅에서 구현에 사용했던 유클리디안 유사도 이외의 다른 유사도(Similarity)들을 알아보자. 1. 평균제곱차이 유사도 (Mean Squared Difference Similarity) User-based Collaborative Filter - Iuv는 사용자 u와 사용자 v 모두에 의해 평가된 상품의 집합 - |Iuv|는 사용자 u와 사용자 v 모두에 의해 평가된 상품의 수 - 동일한 item에 대해 점수를 매긴 user 사이의 유사도 Item-based Collaborative Filter - Uij는 상품 i와 상품 j 모두를 평가한 사용자의 집합이고 |Uij|는 상품 i와 상품 j 모두를 평가한 사용자의 수 - 동일한 user에 대해 점수가 매겨진 item 사이의 유사도 Mean Sq..
-
[Recommendation] 추천 알고리즘 Python 구현 : Collaborative Filtering w/ 유클리디안 유사도ML/Recommendation 2020. 3. 6. 13:14
넷플릭스를 한창 보는 중인데, 도대체 넷플릭스는 어떤 방식으로 나한테 추천을 해주는 건지가 궁금해졌다. 추천 알고리즘을 좀 알아봐야겠다! 먼저 제일 기초적인 [1. 사용자 간의 유사도를 구하는 방식 + 2. 그 유사도로 추천하는 기본 방식]을 알아보고, 넷플릭스는 그걸 어떻게 사용하는지 알아보자. Popularity, High Rated Based 가장 단순한 방법 → 평점이 높은 것을 추천 모두에게 같은 item 추천하게 됨. ratings = { 'doky':{'Anne_with_an_E':5,'Strange_Things':3,'The_Escape':3}, 'steve':{'Anne_with_an_E':5,'Strange_Things':1,'The_Escape':4}, 'jamie':{'Anne_wi..