Machine Learning - ITEM-BASED COLLABORATIVE FILTER

ITEM-BASED COLLABORATIVE FILTER

 

 

 

사용자의 평점을 이용하여

아이템 간의 유사도를 활용하는 추천 시스템이다.

추천 항목에 대한 사람들의 등급을 사용하여

계산 된 품목 간의 유사성

즉, 상관 관계( 상관계수 )를 기반으로하는

추천 필터링 시스템의 한 형태

 

 

영화 추천 예시를 통해

 

.corr() / .corrwith( )

 

활용에 대해 알아보자

 

 

 

 

영화 하나에 대한, ITEM-BASED COLLABORATIVE FILTERING 수행

 

 

movie_titles_df.shape

movies_rating_df.groupby('user_id')['user_id'].count()

movies_rating_df.corr()

movies_rating_df

 

 

 

 

 

피봇 테이블을 하여, 콜라보레이티브 필터링 포맷으로 변경

 

 

df = movies_rating_df.pivot_table(values= 'rating', index= 'user_id', columns='title', aggfunc='mean')

df

 

 

 

 

 

전체 영화와, 타이타닉 영화의 상관관계 분석을 하면,

타이타닉을 본 사람들에게 상관계수가 높은 영화를 추천하면 된다.

corrwith( ) 함수를 이용한다.

 

df['Titanic (1997)']

titanic_corr = df.corrwith( df['Titanic (1997)'] )

titanic_corr = titanic_corr.to_frame()

titanic_corr.columns = ['correlation']

titanic_corr

titanic_corr = titanic_corr.join( ratings_mean_count_df['count'] )
titanic_corr.dropna(inplace = True)
titanic_corr.sort_values('correlation', ascending=False)

 

 

titanic_corr.loc[ titanic_corr['count'] > 80 , ].sort_values('correlation', ascending=False)

 

 

 

 

변수.corr(min_periods= 80)

# min_periods= 80은 최소 80개이상 데이터가 있는것만 상관계수를 가져와라 라는뜻이므로
# min_periods= 파라미터를 사용해도 원하는 데이터를 가져올 수 있다.