You can count on me

You can count on me

  • 분류 전체보기 (245)
    • 데이터 분석가로 살기 (42)
    • algorithm (21)
      • Unsupervised Learning (2)
      • Supervised Learning (3)
      • Deep Learning (8)
      • 강화학습 (0)
    • Python programming (31)
    • Spark, Flask, AWS (5)
    • 투자 (11)
      • 투자방법,롤모델 (8)
      • 알고리즘트레이딩 (0)
    • Data Analysis (19)
    • time-series (5)
    • Retail, Consumer Goods Indu.. (35)
    • Marketing,Customer Analytic.. (10)
    • Math (20)
    • Econometrics (0)
    • Reading List (12)
      • 투자,트레이딩 독서노트 (9)
      • 머신러닝,AI 독서노트 (2)
      • 기타 독서노트 (1)
    • English (3)
    • [archive] 기타 자료 (9)
  • 홈
  • 태그
  • 방명록
RSS 피드
로그인
로그아웃 글쓰기 관리

You can count on me

컨텐츠 검색

태그

ADP AWS ChatGPT client2vec cust2vec DeepLearning e-commerce EC2 flask Forecasting GRE hive HTTP item2vec LLM Montecarlo NLP Optimization Pattern pytorch Recommendation restapi REST_API retailanalytics SAS SEQUENCE SQL tensorflow Timeseries Transformer webmining word2vec 딥러닝 몬테카를로 몬테카를로시뮬레이션 상품분석 시뮬레이션 오블완 유통데이터분석 최적화 추천 태블로 텐서플로우 통계 티스토리챌린지 프로그래머스 확률분포

최근글

댓글

공지사항

아카이브

Recommendation(1)

  • 추천 - 협업 필터링의 한계

    협업 필터링이란 대규모의 기존 사용자 행동 정보를 분석하여 해당 사용자와 비슷한 성향의 사용자들이 기존에 좋아했던 항목을 추천하는 기술이다. 가장 일반적인 예는 온라인 쇼핑 사이 트에서흔히볼수있는‘이상품을구매한사용자가구매한상품들’서비스이다.예를들어‘라면’ 을 구입한 사용자가 ‘생수’를 구입한 경우가 많으면 ‘라면’을 구입하는 구매자에게 ‘생수’를 추천하 는 경우이다. 이 알고리즘은 결과가 직관적이며 항목의 구체적인 내용을 분석할 필요가 없다는 장점이 있 다. 이 경우는 라면과 생수가 식품인지 아닌지, 서로 같이 사용되어야 하는 관계인지 분석할 필요 가 없다. 다만 사용자가 두 제품을 같이 구매했다는 기록을 바탕으로 새로운 사용자에게 추천한 다. 이러한 전략을 사용하는 경우, 비슷한 패턴을 가진 사용자나 ..

    2021.09.10
이전
1
다음
티스토리

티스토리툴바