1. 유튜브 추천 시스템, 딥러닝을 도입하다 행렬 인수분해 기법은 딥러닝의 구조와 많이 닮아있습니다. 결과를 도출하기 위해 내재된 특성을 찾아 여러 차례 게산하는 구조가 마치 인공 신경망을 이용해 여러 차례 계산해나가는 과정과 비슷하죠 행렬 인수분해는 중간 구조가 없는 간결한 형태의 신경망 구조를 띠는 반면 딥러닝은 중간 구조가 깊은 신경망 구조를 보여줍니다. 이처럼 유사한 구조로 인해 최근에는 행렬 인수분해 대신 딥러닝으로 접근하려는 시도가 많이 있습니다. 2016년 공개된 유튜브의 추천 시스템도 행렬 인수분해를 딥러닝으로 바꿔서 더 좋은 성능을 낸 구조였죠. 깊은 신경망일수록 더 좋은 성능을 냈습니다. 물론 딥러닝이 제대로 성능을 내기 위해서는 엄청난 데이터가 필요하지만, 이미 유튜브에는 2019년에..
1. 은둔의 고수가 찾아낸 획기적인 추천 알고리즘 이번에는 협업 필터링 기법 중에 하나인 행렬 인수분해(matrix factorization)를 살펴보겠습니다. 고객/영화 살인의 추억 겨울왕국 부산행 건축학개론 추격자 태연 4 1 - - - 아이유 2 2 1 ? - 수지 2 3 1 5 - 민경 - 5 3 - 1 아이유와 수지는 마침 비슷한 평점을 주었고 어렵지 않게 유사한 고객임을 확인할 수 있었지만, 만약 평점이 한두개 영화가 아니라 수천개쯤 되고 점수 또한 제각각이라면 취향이 비슷한 고객을 찾는 일이 쉽지 않을 거에요. 행렬 인수분해는 제각각인 평점 정보를 이용해 고객의 특징을 자동으로 추출하고 뿐만 아니라 영화의 특징도 자동으로 추출해내서 이 정보를 바탕으로 고객의 평점을 예측합니다 이렇게 하면 좋..
딥러닝/머신러닝, 통계학, IT프로그래밍, 알고리즘을 좋아하는 사람 https://github.com/yundaehyuck
