데이터와 함께하는 세상

1. 협업 필터링 추천 시스템 협업 필터링 추천시스템은 사용자들의 취향 정보를 기반으로 개별 사용자가 선호라 것 같은 아이템을 예측해서 추천해주는 기술입니다. 이는 사용자의 개인정보나 아이템 정보가 없어도 추천할 수 있습니다. 협업필터링은 최근접 이웃(KNN : K-Nearest Neighbor)과 잠재요인(Latent Factor) 방식이 있습니다. 최근접 이웃(KNN)에는 사용자 기반 CF와 아이템 기반 CF로 구분됩니다. 사용자 기반 협업 필터링은 사용자의 구매 패턴과 유사한 사용자를 찾아서 추천해주는 것이고, 아이템 기반 협업 필터링은 사용자들이 부여한 평점들의 분포가 유사하게 나타난 아이텐을 찾아 추천해주는 것입니다.  2. 코사인 유사도(Cosine Similarity)코사인 유사도는 벡터간의..

연관규칙 분석은 자료에 존재하는 항목(item)들 간의 if-then 형식의 연관규칙을 찾는 방법으로서 비지도 학습법의 일종입니다. 상품의 구매, 서비스 등 일련의 거래 또는 사건들 간의 연관성에 대한 규칙을 발견하기 위해 적용되고, 특히 마케팅에서 고객이 동시에 구매한 장바구니 내의 상품들에 대한 관련성을 분석하는 장바구니 분석에 많이 적용이 됩니다. 연관규칙 적용 예 연관규칙의 적용 예는 다양합니다. 금융 : 금융서비스 내용으로 부터 대출과 같은 특정한 서비스를 받을 가능성이 높은 고객 탐색 병원 : 합병증 발생 예측 보험 : 보험사기 패턴 탐색, 특정 서비스 신청 예측 등 인터넷 쇼핑몰 : 상품 추천 텍스트마이닝 : 웹페이지 간의 링크에 대한 분석 연관규칙의 유형은 유용한 규칙, 자명한 규칙, 설명..

추천시스템은 고객의 취향과 관심에 부합하는 상품과 콘텐츠를 추천함으로써 고객에게 지속적인 서비스를 받게 하고 상품 및 콘테츠를 추가로 구매하도록 유도합니다. Amazon, 쿠팡, Youtube, Netflix, 쇼핑몰 등에서 널리 사용되고 있습니다. 추천시스템의 알고즘의 종류는 CBF(콘텐츠기반 : Content Based Fillering)과 CF(협업 필터링 : Collaborative Filltering)가 있으며, CBF와 CF를 같이 사용하는 하이브리드 방식이 있습니다. 1 . 협업 필터링 (Collaborative Filtering): 협업 필터링은 사용자와 아이템 간의 상호 작용을 기반으로 추천하는 방식으로, 사용자의 이전 행동과 비슷한 패턴을 가진 다른 사용자나 아이템을 찾아서 추천을 생성..