| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | |||
| 5 | 6 | 7 | 8 | 9 | 10 | 11 |
| 12 | 13 | 14 | 15 | 16 | 17 | 18 |
| 19 | 20 | 21 | 22 | 23 | 24 | 25 |
| 26 | 27 | 28 | 29 | 30 | 31 |
- CF
- enq: FB - contention
- git stash
- 데이터 분석
- git init
- Spark jdbc parallel read
- 네트워크
- 오라클 데이터 처리방식
- 랜덤포레스트
- Python
- Decision Tree
- 배깅
- Linux
- 추천시스템
- BFS
- 리눅스 환경변수
- Oracle 논리적 저장 구조
- git 기본명령어
- 의사결정나무
- Collaborative filtering
- eda
- SQL
- 알고리즘
- 통계분석
- 앙상블
- Oracle ASSM
- 데이터분석
- airflow 정리
- Spark 튜닝
- Spark Data Read
- Today
- Total
목록추천시스템 (2)
[Alex] 데이터 장인의 블로그
1. 라이브러리를 호출하고 데이터를 불러옵니다. import pandas as pd import numpy as np import scipy as sp from sklearn.metrics.pairwise import cosine_similarity import operator %matplotlib inline anime = pd.read_csv('anime.csv') rating = pd.read_csv('rating.csv') anime.head() anime_id name genre type episodes rating members 0 32281 Kimi no Na wa. Drama, Romance, School, Supernatural Movie 1 9.37 200630 1 5114 Fullme..
[추천] Collaborative Filtering 협업필터링
Collaborative Filtering (협업필터링) [추천시스템] CF, 즉 협업필터링은 많은 유저들로부터 모은 취향 정보들을 기반으로 개별 사용자가 다음 선호할 것만 같은 아이템을 예측해서 '추천'해주는 기술을 말합니다. 취향이 비슷한 사람들을 파악하고 평점이 비슷할 것 같은 아이템을 분석하여 추천에 활용하는 방식입니다. 이 정도로만 이해하고 있으면 될 것 같습니다. 추가적인 사용나의 '개인정보'나 '아이템' 정보가 없이도 추천할 수 있는 것이 가장 큰 장점입니다. Memory-based Collaborative Filtering Memory-based 협업 필터링 추천 시스템은 유사도를 기반으로 동작합니다. 사용자-사용자 간의 유사도를 기준으로 하는 경우는 사용자 기반(User-Based), 아..