R 공부한 부분들을 정리해보았습니다.
협업 필터링 추천 시스템 구축하기 1. recommenderlab 패키지 설치 2. 데이터 탐색 3. 사용자 기반 협업 필터링 (UBCF) 3. 1. 모델링 3. 2. 데이터 탐색 3. 3. 모형 평가 4. 아이템 기반 협업 필터링 (IBCF) 4. 1. 모델링 4. 2. 모형 평가 4. 3. 매개변수 튜닝 1. recommenderlab 패키지 설치 recommenderlab 패키지는 추천 엔진 구축에 사용되는 사용자 기반의 협업 필터와 아이템 기반의 협업 필터, SVD, 연관성 규칙 기반 알고리즘과 같은 추천 알고리즘을 개발하고 테스트하기 위한 R 패키지입니다. library(recommenderlab) recommenderlab 패키지에는 기본 데이터 세트가 제공됩니다. data_packages
1. 이웃 기반 기법 1. 1. 유클리드 거리 1. 2. 코사인 유사도 1. 3. 자카드 유사도 1. 4. 피어슨 상관계수 2. 수학적 모델링 기법 2. 1. 행렬 인수 분해 2. 2. 교대 최소 제곱 3. 3. 특이값 분해 3. 머신 러닝 기법 : 분류 모델 3. 1. 로지스틱 회귀 3. 2. kNN 분류 3. 3. 서포트 벡터 머신 4. 클러스터링 기법 5. 차원축소 : 주성분 분석 6. 벡터 공간 모델 6. 1. 단어 빈도 6. 2. 단어 빈도-역문서 빈도 7. 평가 기법 1. 이웃 기반 기법 추천 시스템은 아이템이나 사용자 사이의 유사성에 대한 개념을 기반으로 동작합니다. 이러한 이웃 메소드는 두 사용자나 아이템 사이의 유효한 정보를 두 개의 벡터로 간주하며, 이 두 벡터에 간단한 수학적 계산을 ..
추천 엔진의 이해 1. 추천 시스템의 진화 2. 최근접 이웃 기반 추천 2. 1. 사용자 기반 협업 필터링 2. 2. 아이템 기반 협업 필터링 3. 콘텐츠 기반 추천 시스템 3. 1. 아이템 프로필 생성 3. 2. 사용자 프로필 생성 4. 상황 인식 추천 시스템 5. 하이브리드 추천 시스템 6. 모델 기반 추천 시스템 6. 1. 확률적 접근법 6. 2. 머신 러닝 접근법 6. 3. 수학적 접근법 이번에는 이웃 유사도 기반 추천, 개인화 추천, 모델 기반 추천 시스템에 대해서 말씀드리겠습니다. 이웃 기반 추천엔진 : 사용자 기반 협업 필터링, 아이템 기반 협업 필터링 개인화 추천 엔진 : 콘텐츠 기반 추천 엔진, 상황 인식 추천 엔진 모델 기반 추천 엔진 : ML 기반 추천, 분류(SVM/KNN), 행렬 ..
Bulid a recommendation system using R 1. Data load 1. 1. Format transformation 2. Calculate similarity 3. Predict user ratings 4. Summary 필요한 R 패키지 list : dplyr, data.table, reshape2 library(dplyr) library(data.table) library(reshape2) 1. Data load 가볍게 예제로 이용할 수 있는 데이터로 6명의 사용자가 6개의 영화에 대해 0~5점 사이의 점수를 부여한 가벼운 자료 입니다. 아주 쉽게 적용해볼 수 있습니다. 출처 : https://github.com/sureshgorakala/RecommenderSystems_R..