인공지능/추천 시스템의 기초2 NCF, 딥러닝 기반 추천 시스템 전통적으로, 추천 시스템은 클러스터링, KNN, Matrix factorization을 기반으로 했습니다. 하지만 최근에는 딥러닝이 모든 분야에 접목되기 시작했고 추천 시스템 역시 예외는 아니었습니다. 코드: https://www.kaggle.com/code/mmvv11/deep-learning-based-recommender-systems 참고 원본: https://www.kaggle.com/code/jamesloy/deep-learning-based-recommender-systems 추천 시스템에서 implicit, explicit feedback의 차이점 파악 본격적으로 모델을 만들기 전에 추천 시스템에서는 implicit, explicit feedback 차이를 파악하는 것이 굉장히 중요합니다... 2023. 4. 14. 추천 시스템 평가 지표 1. Accuracy : MAE, RMSE 추천 시스템은 엔지니어링인 동시에, 밸런스가 중요한 예술이라고도 합니다. 그 이유는 추천 시스템의 용도에 따라 성능을 평가하기가 어렵기 때문입니다. 다양한 평가 지표가 있는데요. 그중 Accuracy를 측정할 수 있는 MAE, RMSE를 알아보았습니다. 1. Mean Absolute Error (MAE) "평균 - 각 항목"에 대한 절대값을 평균 내버리는 것이죠. 2. Root Mean Square Error (RMSE) "평균 - 각 항목"에 대한 제곱 값을 평균 내고 루트를 씌워버립니다. 통계학에서 흔히 접할 수 있는 표준편차 계산 방식이죠. 예측 점수 실제 점수 오차 MAE RMSE 5 3 2 (2+3+1)/4=1.5 (4+9+1)^(1/2)=1.87 4 1 3 5 4 1 1 1 0 3. 결론 정확.. 2022. 12. 21. 이전 1 다음
