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
- 운영체제
- 글또9기
- 데이터 검증
- 강화학습
- 그래프데이터
- 데이터 전처리
- 개발배경지식
- MLOps
- 머신러닝
- 자료구조
- 논문 리뷰
- TFDV
- 그래프씽킹
- ML 파이프라인
- 딥러닝
- agent
- CVPR
- RL
- reinforcement learning
- 윤성우의 열혈 자료구조
- Stack
- mdp
- Semantic segmentation
- 선형대수학
- TFX
- 텐서플로우 익스텐디드
- IT
- data structure
- recsys
- OS
Archives
- Today
- Total
목록글또9기 글쓰기 세미나 (1)
성장通
서비스를 고려한 추천시스템 성능 평가 방법
서비스를 고려한 추천시스템 성능 평가 방법론 일반적인 머신러닝과 마찬가지로, 추천시스템 또한 실제 서비스에 배포하기 전에 성능을 평가함으로써 모델의 안정성을 확인할 수 있다. 그러나 추천시스템의 경우 평가 방식이 일반적인 모델과 다소 다른 평가 방법을 가지기도 하며, 실제 서비스에 적용할 때 고려해야 될 사항이 좀 더 많은 편이다. 가장 먼저 '추천'이란 태스크의 특성상 정답이 모호한 경우가 많으며 실제 서비스에 적용할 경우 트렌드의 변화에 따른 인기 상품의 변화와 같은 이유로 모델의 성능과 별개로 사용자 만족도가 급격히 감소하거나 Long-tail 문제, False Positive 문제와 같이 결과의 Skew를 일으킬 수 있는 문제 또한 존재한다. 그렇다면, 추천시스템은 어떻게 평가해야 하고, 또 어떻..
ML&DL/추천시스템
2024. 2. 12. 15:32