support 값은 그 itemset 이 얼마나 데이터베이스에 자주 등장하는지 나타내는 지표다.
itemset 에 대한 의 support 는 를 포함한 transactions 의 비율에 비례한다.
예시
itemset 의 support 값은 0.2 (=1/5) 이다. 왜냐하면 오직 5 개의 transactions 중 만 해당 itemset 을 포함하기 때문이다.
1 min read
이러한 많은 경우의 수를 효율적으로 고려하기 위해서 support 값의 downward-closure 속성을 활용한다.
itemset 에 포함되는 item 의 개수를 한개부터 늘려가면서 최소 support 값 이상을 가지지 못하는 후보들은 제외한다.
support
한 itemset 이 어떤 transaction 에 속해있는지 (TID) 나타내는 테이블을 생성 테이블에서 minimum support 값을 만족하는 itemset 만을 남겨두고, 같은 테이블 내의 다른 itemset 에 대한 TID 간 교집합을 계산한다. 이후, 다시 minimum support 값 이상인 itemset ...
... 세가지 방식이 존재한다. (1) Macro Average 가장 단순 방식으로, 모든 클래스 당 F1-score 의 평균을 의미한다. (2) Weighted Average 각 class 의 support 값에 따라 F1-score 평균 계산 시 가중치를 적용하는 방식이다. 이는 클래스 불균형에 대한 평가 방식을 좀 더 공정히하기 위해 고안한 방식이다. (3) Micro Average Mic...
Confidence 에서 분모에 support 값을 추가한 것과 같다. 예시
연관 규칙 학습은 데이터베이스에 존재하는 변수들 간의 연관성을 발견하는 방법이다. 여기서, 연관 규칙들은 일반적으로 사용자가 정의한 최소 support 값과 최소 Confidence 값을 동시에 만족시킬 수 있는 규칙을 의미한다.
BFS 방식을 사용해서 itemset 의 support 값을 계산하고, Anti-Monotone property 를 활용해 후보들을 생성해나가는 방법이다.
이것은 어떤 itemset 이 frequent 하지 않으면, 해당 itemset 을 포함하는 모든 superset(초집합) 도 frequent 하지 않다 (infrequent) 는 특성을 의미한다.
lift 규칙은 다음과 같이 정의된다.
배경 To remedy the selection bias in evaluation, some recent work considers a recommendation as an intervention analogous to treating a patient with a specific drug.
FP-growth algorithm 알고리즘은 FP-tree 를 이용한다. DB 를 두번만 scan 해서 Association Rule Learning 이 가능하다.
추천 시스템에 관련된 github repo 를 정리하는 page Repos github.com/microsoft/recommenders/ This repository contains examples and best practices for building recommendation systems, provided...
추천 결과 다양성의 종류 inter diversity: 유저 간 추천 결과가 다른것 inner diversity: 추천 결과 내 아이템의 성격이 다른 것 연관 추천에서 강아지 영상을 한번 봤는데, 추천 결과가 모두 강아지와 관련된 영상이면 inner diversity 가 낮다고 할 수 있다.
지원 알고리즘 Word2Vec Mikolov, Tomas, et al.
대화형 추천 시스템: 사용자와 실제 대화를 통해 사용자의 성향을 파악하여 추천을 진행함.