jaeyeongs / kmac

KMAC 빅데이터 실전 프로젝트

빅데이터 분석 Case Study & 실전프로젝트

: 2021.10.16 ~ 2021.11.20

• 수료증

구매 기록 기반 상품 추천하기

<STEP1. 탐색적 분석>

: 유저별 구매 패턴 분석

[UK Retail 데이터셋]

• InvoiceNo : 거래 고유 번호
• StockCode : 상품 고유 번호
• Description : 상품명
• Quantity : 거래 수량
• InvoiceDate : 거래 일시
• UnitPrice : 상품 단가
• CustomerID : 구매자 고유 번호
• Country : 구매 국가

<STEP2. 예측 분석>

: SVD를 활용한 상품 구매예측

(1) 알고리즘 선택 : SVD

surprise : 파이썬 기반의 추천 시스템 구축을 위한 전용 패키지

[Surprise 추천 알고리즘]

(2) SVD 모델 학습

[SVD 모델 파라미터 설정]

• n_factors=8
• lr_all=0.005
• reg_all=0.02
• n_epochs=200

[모델 성능 평가]

• RMSE : 0.338
• 0에 가까울 수록 좋으나, 평균과 같이 고려해야 함

<STEP3. 예측 평가하기>

(1) 상품 추천 시뮬레이션

1. 이전에 구매하지 않았던 상품 추천 : anti_build_testset()을 사용

2. 이전에 구매했던 상품 다시 추천 : build_testset()을 사용

3. 모든 상품을 대상으로 하여 상품 추천

(2) 상품 추천 결과

• 고객에 따라 실제 주문과 5개의 상품 추천결과를 비교해서 나타냄
• 제대로 상품을 추천했는지에 대해 재현도를 평가 점수로 나타냄
• 추천한 상품에 대해 평가 점수가 매우 좋지 않음
• 모델 성능 개선이 필요