๋ชฉ์ฐจ
๊ทธ๋ฅ ์ผ๊ธฐ + ๋ฐฐ์ฐ๋ฉด์ ์๊ฐํ ๊ฒ๋ค ๊ธฐ๋ก
์ค๋ ํ ์ผ
- Book Rating EDA ๋ฐ๋ผ๊ฐ๊ธฐ
- ๋๋ฉ์ธ ๊ธฐ์ด ๋ํ ๊ณํํ๊ธฐ
- 1,2๊ฐ ๊ฐ์ ์๊ฐ
- ์ต์ข ํ๋ก์ ํธ ํ์ ๊ดํด ์๊ฐํ๊ธฐ
Book Rating EDA ๋ฐ๋ผ๊ฐ๊ธฐ
- ์ถ์ฒ ํธ๋์ ๋ฐ์ดํฐ๋ ์คํ์์ค ๋ฐ์ดํฐ๋ผ ์ฝ๋๋ง ์กฐ๊ธ ์กฐ์ฌํ๋ฉด ๋์ด ๋คํ..(์ธ๊ฐ?)์ด๋ค!
- kaggle์์์ ๋๊ตฌ๋ณด๋ค ๋น ๋ฅธ EDA ํ์ผ ์ฌ๋ฆฌ๊ธฐ! ๋ฅผ ์๋ํ๊ณ ์ถ์๋๋ฐ, ์ด ํ๋ซํผ์๋ ๋ ธํธ๋ถ ์ ๋ฐ์ดํธ ๊ธฐ๋ฅ์ด ๋ฐ๋ก ์๊ณ , ์ด๋ฏธ well-established EDA ํ์ผ์ด ์์ด์ ๋จธ์ฑํ๊ฒ ๋ฐ๋ผ๊ฐ๋ณด๋ ์ค์ด๋ค. ๋๋ ๋ฐ์ดํฐ๋ฅผ ์ ๋ํ๋ฉฐ ๋ฐ๊ตดํ๋ ๊ฒ์ ๋งค์ฐ๋งค์ฐ ์ฆ๊ธฐ๋ ์ฌ๋์ธ๋ฐ, ๋จ์ด EDA ํด๋์ ๊ฒ์ ๋ณด๋, ์๋ก์ด ๋ฉ์๋์ ์ธ์ฌ์ดํธ๊ฐ ๋ณด์ฌ ๊ฐ์ฒํ๋ ๋ง๊ณผ๋ ๋ค๋ฅด๊ฒ ๋ฐฐ์ธ ์ ์์ด์ ์ข์๋ค!!
- ์ด๋ฆํ์ฌ "enhanced box plot"!! box plot์ ์ฌ๋ถ์์๋ก ๋ถํฌ๋ฅผ ๋ํ๋ด๋ ๊ทธ๋ฆผ์ธ๋ฐ, boxenplot์์๋ ์งํ๊ฒ ํ์๋ ๋ถ๋ถ์ด Q1-Q3 ๊ตฌ๊ฐ์ ๋ํ๋ด๋ฉฐ, ๋๋จธ์ง ๋ฐ์ดํฐ๋ ๋ค๋ฅธ quantiles(๋ฐฑ๋ถ์์)๋ฅผ ๋ํ๋ธ๋ค๊ณ !? ์๋ ๊ทธ๋ฆผ ์ถ์ฒ
๋๋ฉ์ธ ๊ธฐ์ด ๋ํ ๊ณํํ๊ธฐ
- Book Rating ๋ํ๊ฐ ์ค๋๋ถ๋ก ์์ํ๋ค. ๋ค์ฏ๋ช ์ด ์ด๋ป๊ฒ ํ์ ํ์ฌ ๋ฐฐ์ด ๊ฐ๋ ์ ์ ์ฉํด๋ณด๋ฉฐ ์ ์ด๋์ด๋๊ฐ ์ ์์์ง ๊ณ ๋ฏผํ๋๋ผ ์๊ฐ์ ์ข ๋ค์ฌ๋ณด์๋๋ฐ, ์... ์๊ณ ๋ณด๋ ์์ฃผ ์ ์์ฑ๋ ๋ฒ ์ด์ค๋ผ์ธ ์ฝ๋๊ฐ ์์ด ๋จธ์ฑ๋จธ์ฑํ๋ค... ๋ ํผ์ํ๋ ๊ฒ+์๊ฐ์ด ์์ผ๋ฉด from scratch๋ก ํด๋ณด๊ณ ์ถ์๋ฐ ์๊ฐ๋ ๋ง์ง๋ ์์ผ๋ ์๋ง ์ด ์ฝ๋๋ฅผ ์ ํ์ฉํด๋ณด์์ผ๊ฒ ๋ค.
- ๋ฉํ ๋+์ด์์ง ๋ชจ๋ ์ฑ๋ฅ์ ์ง์ฐฉํ๊ธฐ ๋ณด๋ค๋, ๋ฐฐ์ด ๊ฒ์ ์ ์ ์ฉํ๊ณ , ์ ์ด ๋ชจ๋ธ์ด ์ ๋์ํ์ง ์๋์ง ์๊ฐํ๊ณ ์ ๋ฆฌํ๋ ๋ฐ์ ์ด์ ์ ๋๋ผ๊ณ ํ๋ค. ๋ง์ ๋ฆฌ๋๋ณด๋๊ฐ ์ด๋ฆฌ๋ฉด ๋ญ๊ฐ ๋ถ๋ถ๊ฒ ๋ ๊ฑฐ ๊ฐ์ง๋ง, ๊ทธ๋๋ ๋๋ง์ ๊ท์น์ ๋ง๋ค์ด์ ํด๋ณด์์ผ๊ฒ ๋ค. ์์์ผ๋ถํฐ ๋ค์์ฃผ ๋ชฉ์์ผ๊น์ง 9*2=18ํ์ ์ ๋ก๋ ๊ธฐํ๊ฐ ์๋ค. ์ด ๊ธฐํ๋ฅผ ์ ํ์ฉํด์ ์ ์ด๋ ๋ ๋ํ๋ฅผ ํตํด "์ด๋ฐ ๊นจ๋ฌ์์ด ์์์ด์." ์ ๋๋ ์๊ธฐํ ์ ์์ด์ผ์ง?
- ๋ฒ ์ด์ค๋ผ์ธ ์ฝ๋๋ฅผ ๋ชจ๋ฒ ์ฌ๋ก๋ก ์ฐธ๊ณ ํ์ฌ, ๋๋ง์ ์คํ ๊ด๋ฆฌ ๋ฐฉ๋ฒ์ ํฐ๋ํด๋ณด์. ๊ทธ๋ฆฌ๊ณ ์ฑ ํ์ง(img), title(text), summary(text)๊ฐ ์๋ ์ฝ 7๋ง ๊ฐ์ ๋ฐ์ดํฐ์์ ์ด๋ค ๋ชจ๋ธ์ด ์ ๋์ํ๊ณ ์ ๊ทธ๋ ๊ฒ ์๊ฐํ๋์ง ์ค๋ช ํ ์ ์๋๋ก ์๊ฐํ๊ณ ์ ๋ฆฌํด๋ณด์!
1,2๊ฐ ๊ฐ์ ์๊ฐ
- ์ด๋ฒ ๊ฐ์๋ค์ ์ฃผ๋ก ์ค์ต์ ์ํด ์ง๋ 2์ฃผ๊ฐ ๋ฐฐ์ด ๋ด์ฉ์ ๋ค์ ํ ๋ฒ ์ง์ด๋ณด๋ ๋ด์ฉ๋ค์ด๋ค. ๊ทธ๋๋ ๋ค์ ์ง์ด๊ฐ๋ฉฐ ๋ค์ผ๋๊น ์์ํ ๊ฐ๋ ์ด ๋จธ๋ฆฌ์ ์กํ๋ ๋๋์ด ๋ ๋ค.
- ๋ฐ์ดํฐ ๋ถํ ๋ฐฉ๋ฒ์๋ Leave-one-last(๋ง์ง๋ง ๋ฐ์ดํฐ test), temporal User/Global split(์๊ฐ์ ๋ฐ๋ผ test ๋ฐ์ดํฐ ๋ถํ ), Random split, User Split(์ฝ๋ ์คํํธ ํ๊ฐ๋ฅผ ์ํ ๋ถํ ), K-Fold CV, Time Series CV(val, test ๋ฏธ๋๋ก ๊ณ ์ , train๋ง ๊ฐ๋ณ์ ์ผ๋ก) ๋ฑ์ด ์์์ ์์๋ค. ์ถ์ฒ์ ๋ฐฐ์ฐ๊ธฐ ์ ML researcher์ ์ ์ฅ์์, ์ ์ ๋ฅผ ๊ธฐ์ค์ผ๋ก, ์๊ฐ์ ๊ธฐ์ค์ผ๋ก ๋ฐ์ดํฐ๋ฅผ ๋ถํ ํด์ผ ํ์ง ์์๊น์? ๋ผ๋ ์ ์์ ํ๋ ๊ธฐ์ต์ด ์๋๋ฐ, ์ค์ ์ถ์ฒ์์๋ ์ด๋ ๊ฒ ๋ถํ ์ ํ๋ค๋ ๊ฒ์ ๋ณด๋ ๋ญ๊ฐ ๋ด์ฌ ๋ฟ๋ฏ๋ฟ๋ฏํ๋ค!
- Offline Test์๋ ์ ํ์ฑ์ ํ๊ฐ ์งํ์ ํน์ฑ ํ๊ฐ ์งํ? ๊ฐ ์๋ค๋ ๊ฒ, ์ ํ์ฑ์์ hit rate๋ฅผ ๊ณ์ฐํ ๋์๋ ํ์ต ๋ฐ์ดํฐ์์ hit ์ฌ๋ถ๋ฅผ ๋ณผ ๋ฐ์ดํฐ๋ฅผ ๋นผ์ผ ํ๋ค๋ ๊ฒ์ ์์๋ค. ํน์ฑ ์งํ์๋ coverage, novelty, personalization, serendipity, diversity๊ฐ ์๋๋ฐ, GPT4Rec์์ ์๋ง์กด ์ํ์ ์นดํ ๊ณ ๋ฆฌ ์ ๋ณด๋ฅผ ๊ฐ์ง๊ณ diversity๋ฅผ ํ๊ฐํ๋ ๋ถ๋ถ์ด ๋ ์ฌ๋๋ค. ํ์คํ ์ถ์ฒ ๋ฌธ์ ์ surrogate problem์ ํ ๋์๋ ์ ํ์ฑ ์ธ์ ํ๊ฐ ์งํ๋ ๋๋ฉ์ธ์ ๋ง๊ฒ ์ ์ํ์ฌ ์ถ์ฒ์ ์ฐ ๋ชฉํ์ธ ๋งค์ถ, ๋ง์กฑ๋ ๋ฑ์ ํฅ์ํ ์ ์์ ๊ฒ ๊ฐ๋ค๋ ์๊ฐ์ด ๋ค์๋ค. ์ด๋ฌํ ์งํ๋ค์ ํ์ ์์ ์ง์ ์ ์ํ๊ธฐ ์ํด์๋ ํ์ํ ๊ฒฝ์ฐ ํต๊ณ ํ ์คํธ๋ ์ํํ๊ณ , ๋์ ๋ชฉ์ ๊ณผ ๋ชฉํ๋ฅผ ์ด๋ป๊ฒ ์์์ ์ฎ๊ธธ์ง ๊ณ ๋ฏผํด์ผ ํ๋ฉฐ, ๊ทธ๋ฌ๋ ค๋ฉด ์ฎ๊ธด ์ฌ๋ก๋ค์ด ๋ฆฌ์์น๊ฐ ํ์ํ ๊ฒ ๊ฐ๋ค.
- Content-based Filtering์ ์์ดํ ์ด๋ ์ ์ ์ ํน์ง ๊ฐ ์ ์ฌ๋๋ฅผ ๊ณ์ฐํ์ฌ ํ์ ์ ์์ธกํ๊ฑฐ๋ ์ถ์ฒํ๋ ๋ฐฉ์์ผ๋ก, ์ ์ ์ ์์ดํ ์ ๋ฒกํฐํํด์ผ ํ๋ฉฐ, ๊ทธ ๋ฐฉ๋ฒ์๋ ์ํซ ์ธ์ฝ๋ฉ์ด๋ ์๋ฒ ๋ฉ ๋ฑ์ ๋ฐฉ์์ด ์๋ค. ์๋ฒ ๋ฉ ํ์๋ ์ ์ฌ๋๋ฅผ ์ ํํ ์์น๋ก ๋น๊ตํ๊ธฐ ์ํ์ฌ jaccard, euclidian, cosine, pearson ๊ณผ ๊ฐ์ ๋งคํธ๋ฆญ์ ๊ณ์ฐํด์ผ ํ๋ค. ์ ์ฌ๋ ๊ณ์ฐ ํ์๋ ์ ์ฌํ ์์ดํ ์ ์ ์ ํ๊ฑฐ๋ ๊ฐ์ค์น๋ก ํ์ฉํ์ฌ ํ์ ํ๊ท ์ ๋ด์ด ํ์ ์์ธก์ ํ์ฉํ ์ ์๋ค. ์ด ๋ฐฉ์์ cold-start ์์ ์์ ๋กญ๊ณ ์๋ก์ด ์์ดํ ์ถ์ฒ์ด ๊ฐ๋ฅํ๋ค๋ ์ฅ์ ์ด ์์ง๋ง, ์ ์ฌ๋๊ฐ ๋ณ๊ฒฝ๋์ง ์์, ๊ณ์ ๋๊ฐ์ ์์ดํ ์ด ์ถ์ฒ๋ ์ ์๋ค. ์ด ๋๋ฌธ์ ํ์ ์์ ๋ฒ ์ด์ค ๋ชจ๋ธ๋ก ์ฌ์ฉํ๊ธฐ๋ณด๋ค๋, ์์ดํ ์ ํ ์ ์ ์ฌํ ์ด ์์ดํ ์ ์ด๋ค๊ฐ์? ๋ฑ์ ํญ์์๋ง ํ์ฉํด์ผ ํจ.
- ๋ฉ๋ชจ๋ฆฌ ๊ธฐ๋ฐ ํ์ ํํฐ๋ง: ์ด์ฐ๋ณด๋ฉด content-based์ ๋น์ทํ๊ฒ, ํ์ง๋ง ํ์ ํํฐ๋ง์ด๋ฏ๋ก ์ํธ์์ฉ์ผ๋ก ํ๋กํ์ผ๋ง์ ํ์ฌ ์ ์ฌ๋๋ฅผ ๊ณ์ฐํ๋ ๋ฐฉ์. ํฌ์ํ ๋ฐ์ดํฐ์์ ์ ๋์ํ์ง ์๊ณ , ๋ฐ์ดํฐ๊ฐ ๋์ด๋๋ฉด ํ์ฅ์ฑ์ ํ๊ณ๊ฐ ์๊ธด๋ค. IBCF์ ๊ฒฝ์ฐ, ์์ดํ ์ ์ถฉ๋ถํ ์ ์ ํผ๋๋ฐฑ์ด ์์ด์ผ ํ๊ณ , UBCF์์๋ ์ฝ๋ ์คํํธ ์ ์ ์๊ฒ ์ถ์ฒ์ด ๋ถ๊ฐํ๋ค๋ ๋จ์ ์ด ์์
- ๋ชจ๋ธ ๊ธฐ๋ฐ ํ์ ํํฐ๋ง ์ค ํด๋ฌ์คํฐ๋ง ๋ฐฉ์: ์ ์ ๋ฅผ ๊ทธ๋ฃนํํ์ฌ ๊ทธ๋ฃน ๋ด ํ์ ์ ์ ์ ์ ํ์ ์ผ๋ก ํ๋ค๋ ๊ฐ๋ . ํด๋ฌ์คํฐ๋ง์ dis-entangling ํ ์ ์๋ ๊ฒ ์๋๋ผ๋ฉด, ํด์์๋ ์ฑ๋ฅ์๋ ํฐ ์ด์ ์ด ์์ ๋ฏํ์ฌ ๋งค๋ ฅ์ ์ผ๋ก ๋ณด์ด์ง๋ ์์๋ค.
์ต์ข ํ๋ก์ ํธ ํ์ ๊ดํด ์๊ฐํ๊ธฐ
- ์ฌ์ค ์ค๋ ํ๋ฃจ ์จ์ข ์ผ ํ ๊ฒ์ ๋ฐ๋ก ํ์ ๊ด๋ จ ๊ณ ๋ฏผ!
- ๊ตฌ์ฒด์ ์ธ ๊ฒ ๊ฐ์ผ๋ฉด์๋ ๋ง์ฐํ ๋์ ์ต์ข ํ์ ๋ฐฉํฅ์ฑ. ๋ด๊ฐ ๋ณด๊ธฐ์ ์ฐ๋ฆฌ๋๋ผ์์ ์ฌ๋ฏธ์๋ ์ปค๋จธ์ค๋ ์ง๊ทธ์ฌ๊ทธ, 29, ๋ฌด์ ์ฌ, ์ฟ ํก.. ์ฌ์ค ๋ด๊ฐ ์์ฃผ ๋ค๋ฌ๋ณด๋ ๊ฒ๋ค!! ๋ฒค์น๋งํน์ ์์ํด๋ณด์ด๊ณ , ์๋ก์ด ์์ด๋์ด๋ ๋ณ๋ก ๋ ์ค๋ฅด์ง ์์ ๊ณ ๋ฏผ์ด ๋ง๋ค.
- ๊ทธ๋๋ ๋ด๊ฐ ์ฆ๊ฒจ๋ณด๋ ๊ฒ๋ค์ ๋ด๊ฐ ์ง์ ๋ง๋ค์ด๋ณด๋ ๊ฑด ๊ฝค ํฐ ์๋ฏธ๊ฐ ๋ ๊ฒ ๊ฐ๋ค. ๋ค์ํ ๋ชจ๋ธ์ ๊ฒฐ๊ณผ๋ฅผ ํฉ์น๋ค๊ฑฐ๋(์์๋ธst), ์ ๊ท ์์ดํ ์ถ์ฒ์ ์ํด ๊ฒฐ๊ณผ์ ๋๋ค์ฑ์ ์์ด๋ธ๋ค๊ฑฐ๋, ํ์ค์ ๋ฌธ์ ๋ฅผ ๊ฐ์ง๊ณ ์๋ ํ๋ซํผ์ ๋ง๋ค์ด ๊ฐ์ค์ค์ -๋ชจ๋ธ๋ง-์ฌํ๋ถ์-๋ฆฌํฌํ ๊น์ง ํ ์ ์๋๋ก ๊ธฐํํด๋ณด๋ ๊ฒ ๋ชฉํ๋ค.
- ์๋ฃ ์กฐ์ฌ๋ฅผ ํ๋ค๊ฐ ์ฌ์จ์ด์ฆ๋ผ๋ ์ฌ๋ฏธ์๋ ํ๋ซํผ์ ๋ฐ๊ฒฌํ๋ค. ๊ณ ๊ตฌ๋ง ๋ฌผ์ฃผ๋ฉด ๋ฐฐ์ก๋๋ค๋ ์ฌํ์ ๋ํด์๋ ๋ช ๋ฒ ๋ค์ด๋ดค๋๋ฐ ์ด ํ๋ซํผ์ ๋ํด์๋ ์ฒ์ ๋ค์ด๋ดค๋ค. ์ฌ์จ์ด์ฆ ๋ํ์ ์ธํฐ๋ทฐ ์์์ ๋ณด๋ฉฐ, ๊ธฐ์กด ์ปค๋จธ์ค ์์ฅ์ ๋ซ๊ณ ๋๊ฐ๊ธฐ ํ๋ ๋ฐ ํ๋ฌ๋ฌ๋ผ๋ ์ค๊ตญ ๊ธฐ์ ์ ๋ฐฉ๋ฒ์ ๋ฒค์น๋งํนํ์ฌ ์์ฅ์ ์ผ๋ถ๋ฅผ ์ ์ ํ์์ผ๋ฉฐ, ๋งค์ถ์ด ๊ธฐ๋๋๋ ์งํ๋ค์ ํฅ์์ผ๋ก ์๋ฆฌ์ฆB๊น์ง ๋ฌด์ฌ ์์ฐฉํ ๊ฒ์ ๋ณด๊ณ ์บฌ...๋ฏ์ฐ๋ค๊ณ ๋๊ผ๋ค. ๊ทธ๋ฆฌ๊ณ problem solver๋ผ๋ ์ง๊ตฐ..๋ณด๋ค๋ ์ญํ !์ด ๋งค๋ ฅ์ ์ด๊ฒ ๋๊ปด์ก๋ค. ๋ชธ์ ์ ๋ฐ๋ผ์ฃผ์ง ์์์ง๋ง, ๊ท๋ชจ๊ฐ ํฌ์ง ์์ ๊ธฐ์ ์์ ์ด๋ฆฌ ์ ๋ฆฌ ์ค์ง๋ ๋ถ๋ฆฌ๊ณ ์ถ์ ์๊ฐ์ด ๋ง์ด ๋ค์๊ณ , ๋ฐฅ ๋จน์ผ๋ฉด์ ์ปคํผ ๋ง์๋ฉด์ ๊ฐ์ด ๊ณ ๋ฏผํ๊ณ ๋ต์ ์๊ฐํด๋ณด๋ ๊ฒ์ ์ข์ํ๋๋ฐ, ์ด๋ฐ ์ง๊ตฐ์ ๊ฐ์ง๋ฉด ๊ณต์์ ์ผ๋ก ํ ์ ์๋ ๊ฑฐ์์? ํ์ง๋ง solver ๊ฐ๊ฐ์ด ๋ชจ๋ ์ ๊ทน์ ์ด๊ณ ์ผ์ ๋ชฐ์ ํ ์ ์์ด์ผ ํ๋.... ์ด๋ฒ ํ์ ์ ์ ์ฉํ๋ ๊ฒ์ ์ด๋ ค์ธ ์๋..์ฌ๋ฏธ์์ ์๋ ์์ ๊ฑฐ ๊ฐ๋ค..!!
- ํ. ๋ฐ์ดํฐ ์ด๋ป๊ฒ ๊ตฌํ์ง? ๋ผ๋ ์๊ฐ์ด ์ฐ์ ๋ค ๋๊ฐ ๋ง์ง๋ง, ์ผ๋จ ๋ค ์ด์ด๋๊ณ ๋ชฐ๋ผ ์ด๋ป๊ฒ๋ ๋๊ฒ ์ง ๋ง์ธ๋๋ก ์๊ฐ์ ํ์ฅํด๋ณด์!!!! ๊ทธ๋ฌ๋ค ์ข์ ์์ด๋์ด๊ฐ ๋์ฌ ์๋ ์์ผ๋๊น! ๋ด๊ฐ ์๋ ๊ฒ ํํด์ ์๊ฐํ์ง ๋ง๊ณ , ๋ด์ค๋ ๋ณด๊ณ ์ฑ๋ ๋ง๊ตฌ ๊น์๋ณด์.
'ํ๊ณ ๐ค > ๋ค๋ถ์บ AI Tech' ์นดํ ๊ณ ๋ฆฌ์ ๋ค๋ฅธ ๊ธ
[๋ค๋ถ์บ AI Tech] 7์ฃผ์ฐจ ํ์ต ์ ๋ฆฌ ๐ค (1) | 2023.12.22 |
---|---|
[๋ค๋ถ์บ AI Tech] 6์ฃผ์ฐจ ํ์ต ์ ๋ฆฌ ๐ค (1) | 2023.12.15 |
[๋ค๋ถ์บ AI Tech] 5์ฃผ์ฐจ ํ์ต ์ ๋ฆฌ ๐ค (1) | 2023.12.08 |
[๋ค๋ถ์บ AI Tech] 4์ฃผ์ฐจ ํ์ต ์ ๋ฆฌ ๐ค (0) | 2023.12.01 |
[๋ค๋ถ์บ AI Tech] 3์ฃผ์ฐจ ํ์ต ์ ๋ฆฌ ๐ค (1) | 2023.11.24 |