목록Recommender system (2)

Growth Hoon

20231203_TIL_{ 오전 : [ 프로그래머스 문제, TF-IDF], 오후 : [ 프로그래머스 문제, Django, 아이디어 회의 ] }

오전 프로그래머스 문제 - 옹알이(2) github link def solution(babbling): answer = 0 speak_word = ['aya', 'ye','woo','ma'] count = 0 for word in babbling: pre_speak_word = '' # 연속 된 단어를 방지 하기 위함 target_word = "" # 현재 말하는 단어를 저장 for alpha in word: target_word += alpha if target_word in speak_word: # target_word가 speak_word에 있는지? if pre_speak_word == target_word: # 이전에 말한 단어랑 같은지 ? break # count 할 수 없음 ! else: # ..
TIL_Today I Learned 2023. 12. 3. 09:17
20231202_TIL_{ 추천 시스템 : [ feature 유사도 평가 metric, KNN], 코딩 테스트 : [프로그래머스 -다트게임] }

Feature들 간의 유사도 평가 Metric 1. 유클리드 거리 (Euclidean Distance) - 거리 기반 유사도 측정 방법 - 여러 차원을 갖는 점과 점 사이의 거리를 계산 할 수 있다. 2. 코사인 유사도 (Cosine Similarity) - 각도 기반 유사도 측정 - Vector 비교시 가장 많이 사용되는 평가 metric - Text 데이터가 얼마나 유사한지 많이 사용함 ** 두 Metric 비교 - 비교하고자 하는 Data(=Vector)간의 Scale간의 차이가 크게 날 경우 = Cosine Similarity 크지 않을 경우 = Euclidean Distance 그 외 평가 Metric : 멘하탄 거리, 피어슨 상관계수, 민코스키 거리, 자카드 유사도, Mean squared d..
TIL_Today I Learned 2023. 12. 2. 18:22
이전 Prev 1 Next 다음