- Python 설치
- PIP 설치
- pandas 설치
pip install pandas - scipy 설치
pip install scipy - scikit-learn 설치
pip install -U scikit-learn
Movielens ml-latest-small.zip- Movielens ml-latest-small-fastcampus.zip
Movielens 평점 데이터를 기반으로 MAE와 RMSE를 계산하는 실습을 수행합니다. 평점 데이터를 9:1로 학습, 검증 데이터로 나눕니다. 학습 데이터를 이용해서 아래의 세가지 방법을 이용해서 사용자의 영화에 대한 평점을 예측 합니다.
- 전체 영화의 평균 평점
- 각 사용자의 영화에 대한 평균 평점
- 각 영화의 평균 평점
세 가지 방법의 MAE와 RMSE를 계산하고 비교하여 봅니다.
- Vector and Matrix 표현
- 유사도 함수
- TF-IDF
- Cosine Similarity
- Pearson Correlation
- exercise-2.1.ipynb
- 아이템 메타데이터를 이용해서 아이템간 유사도를 계산
- 사용자 프로파일을 사용자 평점을 부여한 아이템 목록으로 표현
- 아이템 목록에 있는 아이템과 유사한 다른 아이템들을 추천 아이템으로 생성
- exercise-2.2.ipynb
- 평점 분포를 이용한 아이템간 유사도 계산
- 사용자 프로파일을 사용자 평점을 부여한 아이템 목록으로 표현
- 아이템 목록에 있는 아이템과 유사한 다른 아이템들을 추천 아이템으로 생성
- exercise-2.3.ipynb
- 평점 분포를 이용한 사용자간 유사도 계산
- 나와 유사한 사용자가 각 아이템에 부여한 평점을 기반으로 평점 추정
- exercise-2.4.ipynb
- Download Commerce Data
- PostgreSQL 설치 및 DB 생성
- 실습용 DB 생성
- Create DB: fcrec
- Create User: fcuser//fcuser123
- init-db.sql
- 테이블 생성 및 데이터 로딩:
- psycopg2 설치
pip install psycopg2 - Jupyter에서의 DB 데이터 조회
- 조회 기반 베스트
- 구매 기반 베스트
- 사이트 전체 베스트
- 카테고리 별 베스트
- 03best.sql
- 사용자 기준 연관 추천
- 세션 기준 연관 추천
- 인접 기준 연관 추천
- 04rel.sql
- 연관 추천을 이용한 개인화
- KNN 기반 개인화
- 05knn.sql
- 회귀 모델 (regression model)을 이용하여 사용자 프로파일 생성
- 회귀 모델 프로파일을 이용하여 아이템 평점 예측
- exercise-4.1.ipynb
- SVD를 이용한 유저와 아이템 추상화
- 추상화된 아이템 간의 유사도 계산
- exercise-4.2.ipynb