(UPDATED) Pythonを利用したパーソナライズ推薦システム | 推薦アルゴリズム | 推薦人工知能

급합니다. 완강 챌린지로 결제를 했는데, 강의 자료와 소스 코드 모두 빈 파일이 다운받아 지는게 맞나요? 압축을 풀어도 그렇네요 (정확하게는 강의 자료는 OT pdf 파일 하나 뿐입니다)<p style="text

- 학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! - 먼저 유사한 질문이 있었는지 검색해보세요. - 서로 예의를 지키며 존중하는 문화를 만들어가요. - 잠깐! 인프런 서비스 운영 관련

죄송합니다. 제가 이제 공부를 시작하는 사람이라 바보 같은 질문이어도 이해 부탁드립니다. 코드랑 PDF는

코드 공유를 하셨다고 하여 다운받아도 빈 zip파일이라고 뜨네요. 확인 부탁드립니다.

안녕하세요. 좋은 강의 감사합니다.직접 타이핑 해보라는 의미에서 코드 공유가 어렵다고 하셨는데요. 아래 글들을 보니 많은 분들이 코드 공유를 요청하셨습니다. 시간 부족으로 눈으로만 학습하게 되는데,직접 코랩에서 해

merged_ratings = pd.merge(x_train, users) 문장을 실행하면 아래와 같은 Error가 출력됩니다.   "No common columns to perform merge on. "pandas

File "", line 1, in File "C:/Users/jungsuk.hahn/PycharmProjects/recommendation_system/01_lecture.py", line 15

안녕하세요! 강의를 듣다 응용해보는 과정에서 질문이있습니다. 한번 학습시킨 모델에서 사용자의 데이터를 더 추가해서 동적으로 모델을 업데이트 시키고 싶습니다. 그래서 온라인학습을 진행하려고 하는데, sgd메서드에 데이터를 전달하여 업데이트를 진행하는 방

ean_rating = np.dot(sim_scores,movie_ratings) / sim_scores.sum()

안녕하세요! score를 실행할때마다 nan이 출력이되서 잘못쓴 부분이 있나 여러번 체크해봤는데 도저히 모르겠어서 질문남겨봅니다..import pandas as pdimport osimport numpy as np

# Gender 기준 추천 def cf_gender(user_id,movie_id): if movie_id in rating_matrix.columns: # print(use

# 데이터 train, test set 분리 from sklearn.model_selection import train_test_split x = ratings.copy() y = ratin

제공해주신 데이터링크에 들어가면 404가 뜹니다. 확인부탁드립니다

가령 item_similarity라는 변수를 칠 때 item까지만 치면 item으로 시작하는 변수들의 추천목록을 보여주는데 이 목록이 띄워지는 속도가 약 4초 정도 걸립니다. 강의영상에서 보면 타이핑을 하자마자 바로바로 뜨는 것을 확인할 수 있었는데

아래 부분에서 불균일한 데이터임을 나타내는 에러가 발생하는데 이유를 못찾겠습니다.<img src="https://cdn.inflearn.com/public/files/posts/f74e0f7c-ba99-49d1-964e-c494a743a81c/imag

아래 코드와 같이 users에 대해 user_id 칼럼을 인덱스를 설정할 때와 하지 않을 때 각각 다른 부분에서 에러가 납니다. 떄에 따라 인덱스로 잡아야할 때도 있고 잡지 않아야 할때도 있는 거라면 그 기준이 무엇일지 궁금합니다.<code cla

ppt 자료가 아래와 같은 화면이 뜨면서 열리지가 않는데 뭐가 문제인 걸까요..?<img src="https://cdn.inflearn.com/public/files/posts/58302468-833a-44e6-b909-232331d070c2/imag

안녕하세요, 수업을 들으면서 궁금한 점이 생겨 여쭤봅니다. train_test_split() 메소드를 쓰실 때, x 값으로 ratings 을 사용하고, y값으로 user_id 를 사용했는데, 이 부분이 제 직관과 다른것 같습니다. x, y 값을 설정할

안녕하세요! 강의 잘 듣구있습니다 혹시 timestamp를 제거하는 이유가 어떤것인지 자세히 알 수 있을까요? 상품추천 데이터에서 날짜가 변수로 필요한 경우는 없나요?? 또 예를들어 5년치의 고객 구매 데이터를 학습한다고 할때 연도별로 고객 나이가 달라지는데

 # 성별에 따른 예측값 계산 merged_ratings = pd.merge(x_train,users) users = users.set_index('user_id') g_mean = merged_ratings[['movie_