R 공부한 부분들을 정리해보았습니다.
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..
Introduction: Recommendation System 1. 추천 엔진 정의 2. 추천 시스템 종류 2. 1. 협업 필터링 추천 시스템 2. 2. 콘텐츠 기반 추천 시스템 2. 3. 하이브리드 추천 시스템 ’추천 엔진을 구축하기 위한 기본서(수레시 고라칼라 지음)’을 읽고.. 1. 추천 엔진 정의 정보 검색과 인공지능의 한 분야인 추천 엔진은 엄청난 양의 데이터(제품 정보와 사용자 정보 등)를 분석하고 데이터 마이닝을 기반으로 연관 추천을 제공할 수 있는 강력한 도구이자 기술입니다. 기술적인 측면에서 바라본다면, 사용자가 얼마나 해당 항목을 좋아할 지 예측할 수 있는 수학적 모델 또는 목적함수(ojbective function)를 개발하는 것 입니다. \(U = (\text{User})\), \..
Tree Models 1. 의사결정나무(Decision tree) 1. 1. 노드를 나누는 기준 2. 적용 2. 1. rpart() 2. 2. ctree() 3. 랜덤 포레스트(Random Forest) 3. 1. randomForest() 1. 의사결정나무(Decision tree) 의사결정나무는 지니 불순도(Gini Impurity) 등의 기준을 사용하여 노드(node)를 재귀적으로 분할하면서 tree 모형을 만드는 방법입니다. if ~ then, else 의 조건문과 같은 형식으로 구성되어 있어서 이해하기 쉽고 처리속도가 비교적 빠르며, 여러 가지 feature들간의 상호 작용을 잘 표현해주고 다양한 데이터에 적용시킬 수 있다는 장점이 있습니다. 1. 1. 노드를 나누는 기준 노드에는 분류의 시작점..