R을 이용한 추천 시스템(Bigdata Intelligence)
Regular price
$10.11
Sale price
Regular price
✈️
Estimated delivery date 예상 배송일
Standard Shipping
불러오는 중...
주문일로부터 8-12 영업일
Express Shipping
불러오는 중...
주문일로부터 6-8 영업일
이 책은 추천 시스템 기술, 그중에서도 협업필터링에 대해 다룬다. 협업필터링은 아마존이나 넷플릭스와 같은 회사에서 사용하는 추천 시스템의 기반이 되는 기술이다. 협업필터링 기술의 시작은 추천 시스템이었지만, 개인의 맞춤형 서비스가 필요한 광고나 웹페이지 구성 등 다양한 분야에 적용이 가능하다. 이 책에서는 추천 시스템의 의미와 적용사례, 협업필터링의 기본 알고리즘과 추천 성능을 높이기 위해서 고려할 사항을 다루고 있다. 또한 R을 사용해서 실제 기업의 데이터에 알고리즘을 적용하고 분석하는 사례를 보여준다.
Couldn't load pickup availability
출판사 리뷰
출판사 리뷰
목차
목차
머리말 v
제1장 추천 시스템 소개 1
1.1 추천이란? 3
1.2 협업필터링의 알고리즘 7
제2장 추천 알고리즘 적용 분야 11
2.1 넷플릭스의 사례 13
2.2 아마존의 사례 16
제3장 추천 알고리즘과 분석 설계 19
3.1 User-based CF vs. Item-based CF 21
3.2 데이터 전처리 23
3.3 유사도(Similarity) 계산 25
3.4 Neighbor 크기 결정 29
3.5 예상 평가값의 계산과 추천 리스트 작성 32
3.6 정확도 분석 36
제4장 R을 이용한 추천 시스템 분석 43
4.1 R을 이용한 추천모듈(recommenderlab) 사용 45
4.2 온라인 유통회사의 추천 시스템 사례 48
4.3 데이터 전처리 50
4.4 R을 이용한 추천 시스템 분석 54
4.5 추천 시스템의 구현 77
제5장 요약 및 결론 81
제6장 연습문제 85
찾아보기 101
제1장 추천 시스템 소개 1
1.1 추천이란? 3
1.2 협업필터링의 알고리즘 7
제2장 추천 알고리즘 적용 분야 11
2.1 넷플릭스의 사례 13
2.2 아마존의 사례 16
제3장 추천 알고리즘과 분석 설계 19
3.1 User-based CF vs. Item-based CF 21
3.2 데이터 전처리 23
3.3 유사도(Similarity) 계산 25
3.4 Neighbor 크기 결정 29
3.5 예상 평가값의 계산과 추천 리스트 작성 32
3.6 정확도 분석 36
제4장 R을 이용한 추천 시스템 분석 43
4.1 R을 이용한 추천모듈(recommenderlab) 사용 45
4.2 온라인 유통회사의 추천 시스템 사례 48
4.3 데이터 전처리 50
4.4 R을 이용한 추천 시스템 분석 54
4.5 추천 시스템의 구현 77
제5장 요약 및 결론 81
제6장 연습문제 85
찾아보기 101
저자
저자
임일
Payment & Security
Payment methods
Your payment information is processed securely. We do not store credit card details nor have access to your credit card information.
$99 이상 무료 배송
3% 리워드 크레딧 적립
Secure Payment
