일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 | 31 |
Tags
- Big Query
- 도커exec
- 비주얼라이제이션
- 코테
- 빅쿼리
- sparkdf
- dataframe
- ifkakao2020
- spark #스파크
- DataFrame Spark
- 로컬 pyspark
- 데이터 시각화
- 프로그래머스 파이썬
- spark df
- PySpark
- 빅쿼리 튜닝
- airflow
- 도커
- spark explode
- 시각화
- 태블로
- tableau
- pyspark오류
- explode
- docker
- 도커오류
- 데이터엔지니어링
- BigQuery
- SparkSQL
- Docker error
Archives
- Today
- Total
목록SOGM'S Data (42)
SOGM'S Data
Numpy만 이용하여 SVD 추천시스템을 간단히 실험해보자(Truncated SVD)
SVD 말로만 들어도 헷갈리는 이론을 한 번 직관적으로 풀어나가보고 싶어나가보겠습니다. 고유값 고유벡터를 배우면서 SVD,PCA와 같은 차원축소에 대해 궁금하신 분들이 많을 것입니다. 이 글을 통해 SVD를 설명하고 간단한 데이터 셋으로 SVD(Truncated 된)를 이용한 추천시스템 구현을 설명하고자합니다. (단 이 글은 고유값과 고유벡터의 정의와 구하는 방식을 아신다고 가정하고 글을 썼습니다) SVD란 무엇인가? (Singular Value Decomposition, 특이값 분해) 출처:www.fun-coding.org/recommend_basic6.html 데이터 분석(추천시스템): SVD (SVD와 Latent Factor 모형) - 잔재미코딩 $$ r_{ui} = p_u \cdot q_i $$..
About Data/Recommender System
2020. 10. 27. 18:07
AI, 데이터 분석 블로그 시작
ㅎㅎㅎㅎ
카테고리 없음
2019. 11. 22. 12:36