데이터과학 삼학년

RecSim - Google Recommendation System (2019) 전통적인 추천 시스템은 유저 행동에 기반한 한시적 추천에 중점을 맞추는 반면, 최근 모델들은 유저 행동과 선호를 기반으로 순차적인 상호작용을 반영하여 최적의 추천 시스템을 만들고 있음 이러한 추천방식은 collaborative interactive recomender (CIRs)로 알려져 있으며, 자연어처리와 딥러닝과 같은 영역에서 주로 사용되고 있음 최근에 google은 CIRs의 시뮬레이션 환경을 만드는 플랫폼인 RecSim을 발표함 기존 CIRs의 한계는 다른 유저들의 상호작용 시나리오에 대해 시뮬레이션하기 어렵다는 것이었음 행동과 실험기반의 강화 학습은 주어진 환경에서 순차적 상황을 반영할 수 있음 전통적인 지도학습 ..

Recommendation Systems - Content-based filtering : 각 사용자의 선호에 따라 filter가 됨(다른 사람들의 선호는 고려하지 않음) - Knowledge-based recommender : 사용자가 무엇을 선호하는지를 질문을 통해 확인하는 것 - Collaborative filtering : 사용자별 비슷한 성향을 가지는 사람을 embedding한 후 추천해주는 시스템(다른사람의 선호도 고려) - 다양한 추천 기법들이 동시에 적용되고 있음 Content-based filtering - item feature를 이용해서 해당유저가 높은 평점을 매겼던 영화와 비슷한 영화를 추천 - 비슷하다는 기준을 정하는 것이 중요 > 교집합이 클수록 비슷함 > 임베딩을 통해 각 영화..

연관분석에서 주요 지표인 Support, Confidence, Lift에 대해 알아보자. 연관규칙은 비지도학습으로서, Y값에 대한 label이 없는 상태에서 데이터에 숨겨진 패턴을 찾는 분석기법 Y값에 대한 label을 가지고 하는 지도학습인 예측이나 분류에서 하는 모델 성과평가와 Y값 label 없이 숨겨진 패턴을 찾는 연관규칙의 흥미척도는 성격이 다름 만약 물건 A, B를 산다고 가정하면. Support (지지도) 전체 상품 구입 수 중 A 라는 상품이 구입된 수 Confidence (신뢰도) A를 구입한 사람 중에 A와 B를 같이 구매한 수 Lift (향상도) 두 상품의 관계를 직접적으로 나타내는 것으로 값이 1보다 크면 A를 샀을때 B를 살 확률이 높은 것을 의미하고, 값이 1미만이면 A를 샀을때..