본문 바로가기
[Python] Dictionary 사전 딕셔너리 키를 기반으로 값을 저장하는 자료형 생성, 접근 dictionary={'key':'value','list':[1,2,3]} print(dictionary['key']) print(dictionary['list'][1]) >>>value 2 key로 제거 dictionary={'key':'value','list':[1,2,3]} print(dictionary) del dictionary['key'] print('del 이후', dictionary) >>>{'key': 'value', 'list': [1, 2, 3]} del 이후 {'list': [1, 2, 3]} in 사용 시 dictionary={'key':'value','list':[1,2,3]} if 'list' in dictionary: print..
[Day32] Collaborative Filtering 4-1 MBCF & SVD NBCF의 한계 Sparsity(희소성) 문제 데이터가 충분하지 않다면 추천성능이 떨어진다. 유사도 계산이 부정확하기 떄문에 성능도 떨어진다. 데이터가 부족하거나 혹은 아예 없는 유저, 아이템의 경우 추천이 불가능하다. (Cold Start) Scalability(확장성) 문제 유저와 아이템 수가 늘어날수록 유사도 계산도 늘어나 시간이 오래 걸린다 하지만 데이터양이 많아지기 때문에 정확한 예측을 한다. MBCF : Model Based Collaborative Filtering 항목 간 유사성을 비교하는 것에서 벗어나 데이터에 내재한 패턴을 이용해 추천하는 CF기법 SVD Matrix Factorization Deep learning NBCF MBCF non parametric 파라미터를 학습하지 않는다..
[Day15] DL Basic 8. Sequential Models - Transformer Trimmed sequence 길이가 다른 data Omitted sequence 중간이 없는 data Permuted sequence 밀리거나 순서가 바뀐 data 들로 인해서 sequential modeling이 어렵다. 이를 해결하고자 한 것이 Transformer이다. Transformer RNN은 재귀적으로 돌아갔는데, transformer은 attention을 사용해서 한 번에 모든 data를 찍어낼 수 있다. transformer은 sequential한 data를 처리하고 encoding하는 방법이기 떄문에 다양한 문제에 적용될 수 있다. 기계어 번역, 이미지 분류, detection, 문장에 맞는 이미지 생성 등에 이용된다. 문장이 주어지면 다른 문장으로 바꾸는 sequence to seq..

티스토리툴바