[AIFFEL] 22.Feb.22, Exploration_Recommender_System

회고

오늘은 뭔가 pandas에 대해 더 알게된 하루인 것 같다...

오늘의 학습 리스트

• collaborative filtering
  • '이 상품을 구매한 사람이 어떤 상품도 구매했습니다'
  • 위의 논리에 의한 추천은 따로 해석할 필요 없음
  • 행렬 분해나 KNN(K 최근접 이웃 알고리즘)을 사용한단다.
• pd.Series.str
  • Vectorized string functions for Series and Index.

  • s = pd.Series(["A_Str_Series"])
    s
    >>> 0    A_Str_Series
        dtype: object
        

• pd.Series.nunique()
  • 해당 컬럼(시리즈)의 유니크한 데이터 개수 반환
• pd.DataFrame.isin()
  • like-like value를 넣는데, 그게 df에 있는지 boolean df로 반환해준다.
• pd.DataFrame.appen(df)
  • DataFrame도 append 가능하다...
• pd.Series.map()
  • Used for substituting each value in a Series with another value, that may be derived from a function, a dict or a Series.
• implicit feedback
  • 여러 작은 스타트업에서 이커머스 관련 일도 해보면서 많이 고민했었다.

미니프로젝트

영화 평점 데이터를 통해 추천시스템을 만들어보자

• 프로젝트 진행 순서로 정리
  • 데이터 불러오기
  • 데이터 전처리
    • 내 데이터도 임의로 원래 데이터에 넣어주기
  • CSR 매트릭스 만들기
  • MF 모델에 넣어서 훈련하기
  • 추천해보기

더 공부할 것

• Matrix Factorization 관련한 내용이 흥미롭다.