과일산 사람이 유제품을 많이사더라 라는 학습이 되고, 과일샀을때 유제품을 추천하는 원리로 작동됨
상품을 추천하려면 중분류가 아니라 단일상품으로 추천해줘야함.
어떤 상품을 배치해야하는가에 대한 혼란
딥러닝 학습을 중분류의 개수를 쳐내고 세부상품을 가지고 학습을 시켜도 될것같음
세부상품이 몇만개 단위로 들어가는건 딥러닝은 괜찮을것 같음 ⇒ 중분류로 들어가면 아쉬운 부분으로 남을 수 있을것 같음
(선민)
과일같은경우 몇만번 구매, 와인같은경우 매니악한 경우가 있기때 많이 구매해봐야 30번 구매한 경우엔 어떻게 처리?
구현이 1순위. 정교하게 구현이 2순위 ⇒ 구현관점에서 보면 와인같은 작은카테고리는 일단 쳐내고 나서 차차 추가해나가는 방향으로 개선시키면 좋을 것 같음.
구매빈도가 적은 상품은 결과에서는 작용을 하지 않을 가능성이 높음.
굉장히 미니멀하게 간소화시킨 후에 최소기능으로 구현시키고 학습모델을 구현하는 경우 4~5일을 개선하는 기간으로 잡는게 좋을듯함. ⇒ 사실 상 이번주중에 모델 처리해야함.이번주는 최소기능 단위로 작동하도록 처리해야할듯.
자카드 먼저 처리하고 optional하게 코사인 유사도나 다른 유사도 기법을 추가하는 방향으로 가야함.데이터 관련해서 다루는 프로젝트 발표는 가장 중요한게 어떤 경로에서 획득했고 전처리 어떻게 했는지가 핵심 ⇒ 신뢰도를 심어줄수 있음
00. 추천시스템 이해 -Apriori, FP-Growth
⇒ 성능측정 없이 논리기반으로 말해야할듯함.
⇒ support기반으로 덧붙여야함.