기획(PM & PO)

해당 글은 교재 'Python을 이용한 개인화 추천시스템'을 정리한 글로, 이전 글과 이어집니다! 자세한 내용이 궁금하시면 교재와 글을 참고해주세요!! 'FM (Factorization Machines)' 기반 추천 2 [ReSys] 해당 글은 교재 'Python을 이용한 개인화 추천시스템' 실습을 정리한 글로, 이전 글과 이어집니다! 자세한 내용이 궁금하시면 교재와 글을 참고해주세요! FM (Factorization Machines) 기반 추천 1 해당 글 jhklee-coder.tistory.com 이번에는 딥러닝을 이용한 행렬요인화(MF) 추천시스템이다! 딥러닝(Deep Learning)은 다들 친숙한 개념일 것이라 생각하기에 간단하게만 짚고 넘어가도록 한다. 딥러닝?? 딥러닝은 다수의 은닉층(hi..

해당 글은 교재 'Python을 이용한 개인화 추천시스템' 실습을 정리한 글로, 이전 글과 이어집니다! 자세한 내용이 궁금하시면 교재와 글을 참고해주세요! FM (Factorization Machines) 기반 추천 1 해당 글은 교재 'Python을 이용한 개인화 추천시스템' 교재를 정리한 글로, 이전 글과 이어집니다! 자세한 내용이 궁금하시면 교재와 글을 참고해주세요! https://jhklee-coder.tistory.com/76 MF (matrix factoriz jhklee-coder.tistory.com 🐍 파이썬으로 FM 구현하기 import numpy as np import pandas as pd from sklearn.utils import shuffle # u.data 가져오기. r_c..

해당 글은 교재 'Python을 이용한 개인화 추천시스템' 교재를 정리한 글로, 이전 글과 이어집니다! 자세한 내용이 궁금하시면 교재와 글을 참고해주세요! https://jhklee-coder.tistory.com/76 MF (matrix factorization) 기반 추천 1 [ReSys]추천을 위한 알고리즘은 크게 메모리 기반(memory-based)과 모델 기반(model-based)으로 나눌 수 있다. 메모리 기반 알고리즘은 추천을 위한 데이터를 모두 메모리에 갖고 있으면서 추천이 필요할 때마jhklee-coder.tistory.com  앞서 추천 시스템의 궁극적 목표는 각 유저의 각 아이템에 대한 선호도(혹은 구매 확률)를 예측하는 것이라고 했다. MF는 유저의 취향과 아이..

해당 글은 교재 'Python을 이용한 개인화 추천시스템' 실습 과정을 정리한 글로, 이전 글과 이어집니다! 자세한 내용이 궁금하시면 교재와 글을 참고해주세요! https://jhklee-coder.tistory.com/75 MF (matrix factorization) 기반 추천 1 [ReSys] 추천을 위한 알고리즘은 크게 메모리 기반(memory-based)과 모델 기반(model-based)으로 나눌 수 있다. 메모리 기반 알고리즘은 추천을 위한 데이터를 모두 메모리에 갖고 있으면서 추천이 필요할 때마 jhklee-coder.tistory.com 🔍 SGD MF 기본 알고리즘 # 데이터 불러오기 import numpy as np import pandas as pd r_cols = ['user_id..

추천을 위한 알고리즘은 크게 메모리 기반(memory-based)과 모델 기반(model-based)으로 나눌 수 있다. 메모리 기반 알고리즘은 추천을 위한 데이터를 모두 메모리에 갖고 있으면서 추천이 필요할 때마다 이 데이터를 사용해서 계산을 하고, 적절한 상품을 추천한다. (대표적인 예가 협업 필터링 CF.)  모델 기반 추천은 데이터로부터 추천을 위한 모델을 구성한 후에 모델만 저장하고 (> 데이터 x.) 실제 추천할 때에는 이 모델을 사용해서 추천을 하는 방식을 말한다. 이번 글에서는 기존에 다루었던 CF, IDF와는 다른 행렬요인화 기반 추천 알고리즘을 소개한다.  📌 행렬요인화 (Matrix Factorization : MF) 메모리 기반 추천은 모든 데이터를 메모리에 저장하고 있기..

이번엔 "여러 후보 가운데 가치 있는 것을 선정"하는 과정, '프로세스 (추천설계)' 과정을 알아보자. 추천 시스템의 알고리즘은 각기 다른 특징과 함께 다양한 방법을 갖고 있다. 때문에 적절한 알고리즘을 채택하기 위해 각 알고리즘 별 특징을 파악하고 설계하는 과정이 필요하다!! 📌 내용 기반 필터링(Content-based filtering) 유저가 어떤 아이템을 좋아하는지 나타내는 '유저 프로필'과 아이템의 다양한 성질을 담은 '아이템 특징'과의 유사도를 계산한다. 이 유사도를 바탕으로 유저에게 아이템을 추천하는 알고리즘이 바로 컨텐츠 기반 필터링이다. 그러면 이 필터링 기법을 예시와 함께 그 과정을 알아보자. 1️⃣ 아이템 특징의 획득 컨텐츠 기반 필터링에서 사용할 아이템의 특징 획득 방법은 성질에 ..