협업 필터링

최근접 이웃 협업 필터링

사용자 기반, 아이템 기반 협업 필터링으로 나뉘며 유사도가 높은 것을 추천해준다.

출처 : https://brunch.co.kr/@biginsight/15
사용자 기반의 경우 사용자와 활동내역이 비슷한 사용자를 찾아 그 사람의 내용을 추천해준다.

출처 : https://brunch.co.kr/@biginsight/15
아이템 기반의 경우 아이템과 비슷한 내용의 아이템을 찾아서 추측한다.

또 다른 방법으로 잠재 요인을 토대로 행렬을 분해해서 추측하는 방법이 있다.
SVD를 사용하여 분해하는데 이는 쉽게 말해 차원을 축소시켜 필요한 요인만을 선택하여 추천하는 방법이다.

ROC, AUC

ROC는 여러 임계값에서 분류기의 특성을 분석하는데 사용되는 도구
AUC는 ROC로 그려진 곡선 아래 부분의 면적 값이다.

ROC는 모든 임계값을 고려하지만 정밀도와 재현율 대신에 거짓 양성 비율이 변할 때 진짜 양성 비율이 어떻게 변하는지를 나타내는 곡선이다.

from sklearn.metrics import roc_curve
import matplotlib.pyplot as plt
import numpy as np

fpr, tpr, thresholds = roc_curve(y_test, model_svc.decision_function(X_test))
plt.plot(fpr, tpr)

auc_svc = roc_auc_score(y_test, model_svc.decision_function(X_test))

roc_curve를 통해 곡선을 그리며 roc_auc_score를 통해 면적을 구할 수 있다.

곡선이 사이드로 가까워질수록 이상적인것이다.

장고 데이터 입력하기

웹 페이지에서 입력한 데이터를 데이터베이스에 저장하는 방법에 대해 배웠다.

모델명.objects.create()

를 통해서 데이터를 입력할 수 있다.

또한 데이터를 입력하기 버튼을 통해 입력한 후 원래 페이지로 돌아가기 위해서는
return redirect()
를 통해 원래 페이지로 돌아가도록 할 수 있다.

class.pk라는 인자는 자동으로 설정되며 primary key값을 의미한다.
이는 직접 지정이 가능하나 자동으로 1부터 autoincrease되며 데이터마다 지정된다.

느낀점

• 이제 강의가 1주일밖에 안남았다. 하필 이 시기에 코로나가 심각해져서 앞으로의 프로젝트가 어떻게 될지 모르겠다. 빨리 안정되어 좋은 환경에서 사람들과 좋은 프로젝트를 진행하고 싶다.
• 점점 수업에 흥미가 떨어진다. 단순한 여러가지 정보를 알려주는 수업으로 바뀌면서 흥미가 떨어지는 것같다.
• 이를 통해 어떻게 취업을 해야할지에 대한 생각이 필요하다. 어떤 회사를 가고싶고 어떤 직군을 원하는지... 요즘 자연어랑 이미지 처리가 제일 많이 선호해서 그런지 흥미가 간다.