[추천 시스템 입문편] 아주 간단한 추천 시스템 만들기

평가 지표 RMSE

• RMSE
  
  • 모델을 평가하기 위한 평가 매트릭
• error
  
  • 영화 실제 평점 데이터와 영화 예측 평점 데이터의 차이
• squared error
  
  • +와 -가 상쇄되는 것을 막기 위해 모든 에러를 제곱해준 것
• mse
  
  • 에러의 평균인 mean squared error
• rmse
  
  • 제곱이 아닌 원래대로 돌려주기 위해 루트를 사용한 에러의 평균인 root mean squared error
• 사이킷런의 mean_squared_error
  
  • 편리하게 계산 가능

학습 데이터와 평가 데이터

• 학습 데이터
  
  • 모델을 훈련하는 데이터
• 평가 데이터
  
  • 모델의 성능을 테스트하는 데이터
• 사이킷런의 train_test_split
  
  • 모델을 훈련하는 데이터와 성능을 테스트하는 데이터를 분리

가장 간단한 예측하기

• 모두 0.5점으로 예측하기
  
  • 0.5 ~ 5점의 평점인데 평균적으로 3점 정도 틀리므로 성능이 나쁨
• 모두 5점으로 예측하기
  
  • 3 ~ 5점의 평점에 많이 분포하므로 평균적으로 1점 정도 틀리므로 성능이 좋아짐
• 데이터의 평균으로 예측하기
  
  • 평균 점수를 사용하므로 평균적으로 1점 정도 틀리므로 성능이 좋아짐
• 사용자 평점 기반 예측하기 (각 사용자의 평균 평점으로 예측하기)
  
  • 각 유저의 평균 평점을 사용하므로 평균적으로 1점 이하 정도 틀리므로 성능이 좋아짐
• 영화 평점 기반 예측하기 (각 영화의 평균 평점으로 예측하기)
  
  • 각 영화의 평균 평점을 사용하므로 평균적으로 1점 이하 정도 틀리므로 성능이 좋아짐

 

 

 

참고 자료 및 코드

 

[개념부터 실습까지] 추천 시스템 입문편

https://inf.run/keFz

 

[추천 시스템 입문편] 아주 간단한 추천 시스템 만들기

https://github.com/GaGa-Kim/ML_Study/blob/main/%EC%B6%94%EC%B2%9C%20%EC%8B%9C%EC%8A%A4%ED%85%9C%20%EC%9E%85%EB%AC%B8%ED%8E%B8/3_very_simple_recommendation.ipynb

 

Pandas 10분 완성

https://dataitgirls2.github.io/10minutes2pandas/