CS/Math
-
User Collaborative-Filtering (Cos Similarity)CS/Math 2021. 1. 25. 15:06
추천 시스템에 사용되는 Collaborative Filtering에 대해 정리합니다. 그중에서도 User Collaborative-Filtering에 중점을 뒀습니다. 최근에 출전한 공모전에서 적용해보려 알아본 것인데, 조건이 제한적이라 제대로 적용은 하지 못했습니다. 언젠간 추천 기능 구현을 위해 한 번쯤 고려해볼 만한 방법으로 정리하고 다시 공부해보기 위해 포스팅합니다. Collaborative-Filtering (협업 필터링) 많은 유저들의 취향이나 정보를 수집(Collaborative)함으로써 어떤 유저의 취향을 자동으로 예측(Filtering)하는 방법론이다. 즉, 비슷한 관심사를 가진 사람들을 매칭하고 이를 기반으로 추천하는 방식입니다. 좀 더 자세히 써보면, 어떤 사람 'A'가 임의의 주제 ..
-
1. Vector(3)CS/Math 2018. 11. 26. 22:46
1) 직선의 방정식 인 점을 지나고, A = ai + bj + ck에 평행한 직선은 를 만족하는 점 P(x, y, z) 전체 집합과 같음 i) 직선의 벡터 방정식 ii) 직선의 매개변수 방정식 iii) 직선의 대칭 방정식도식화 2) 평면의 방정식 인 점을 지나고, 0이 아닌 벡터 n = (a, b, c) (n: 법선벡터)에 수직인 벡터들이 이루는 평면? 를 만족하는 점 P(x, y, z)의 전체 집합과 같음 i)로 부터 이면, ii)는 평면의 방정식으로 표현 가능ax + by + cz + d = 0 평면의 벡터 방정식 평면의 매개변수 방정식 도식화 3) 정사영(Projection) 일때, 점 P에서 벡터 X에 내린 수선의 발을 S라 하면도식화 4) 점과 평면사이의 거리 도식화
-
1. Vector(2)CS/Math 2018. 11. 23. 23:18
1) Norm Distance (일반적인 두 점사이의 거리 공식과 유사) 2) 내적 (inner product) 3) 코시-슈바르츠 부등식 단, x y 중 하나가 다른것의 실수배인 경우만 등호 성립 코시-슈바르츠 부등식 정의 4) 두 벡터 사이의 각 5) 단위 벡터 (unit vector) i) N-차원에 존재하는 벡터 x의 Norm Distance가 1인 벡터 ii) N-차원에 존재하는 벡터 x, y가 서로 직교하면 직교벡터 i), ii)를 모두 만족하는 벡터를 정규직교벡터(orthonormal)라고 정의 6) 기본 단위 벡터 기본 단위 벡터란?N-차원의 단위 벡터 중를 의미 기본 단위 벡터 도식화 7) 벡터에 대한 삼각 부등식 N-차원의 벡터 x, y에 대하여 증명) (삼각 부등식)
-
1. Vector(1)CS/Math 2018. 11. 23. 22:16
1) 벡터 합 ※ 벡터는 스칼라 곱도 정의 가능함 (단, k가 음수면 방향은 반대로) 2) 평면 벡터 3) 벡터의 상등 When,then, X = Y (상등) 4) 평면에서 벡터 표기 모든 성분이 0인 벡터 -> 영벡터 또는 원점으로 정의하고 0으로 표기(N - 차원)과 평면에서 규칙은 모두 동일함 5) 일차 결합 (Linear Combination) 예) a = (1, 2, -3, 4)b = (-2, 4, 1, 0)c = (5, -2, 3, -7)X (1차 결합) = na + mb + oc = (n - 2m + 5o, 2n + 4m - 2o, -3n + m + 3o, 4n + 0m - 7o)