R로 만드는 추천 시스템

1장. 추천 시스템 시작하기
__추천 시스템의 이해
__이 책의 구성
__협업 필터링 추천 시스템
__콘텐츠 기반 추천 시스템
__지식 기반 추천 시스템
__하이브리드 시스템
__평가 기법
__사례 연구
__다음 단계
__요약


2장. 추천 시스템에서 사용되는 데이터 마이닝 기법
__데이터 분석 문제 해결하기
__데이터 전처리 기법
____유사도 측정
______유클리디안 거리
______코사인 거리
______피어슨 상관 계수
____차원 축소
______주성분 분석
__데이터 마이닝 기법
__클러스터링 분석
____K-평균 클러스터링
______서포트 벡터 머신
__의사결정 나무
__앙상블 기법
____배깅
____랜덤 포레스트
____부스팅
__데이터 마이닝 알고리즘 평가
__요약


3장. 추천 시스템
__추천 시스템을 위한 R 패키지: recommenderlab
____데이터 세트
______Jester5k, MSWeb, MovieLense
____평점 매트릭스를 위한 클래스
____유사도 매트릭스 계산
____추천 모델
__데이터 탐구
____데이터 특징 탐구
____평점 값 탐구
____조회된 영화 탐색
____평균 평점 탐색
____매트릭스 시각화
__데이터 준비
____가장 적절한 데이터 선택하기
____가장 적절한 데이터 탐색
____데이터 정규화
____데이터 이진화
__아이템 기반 협업 필터링
____트레이닝 및 테스트 세트 정의
____추천 모델 생성
____추천 모델 탐색
____테스트 세트에 추천 모델 적용
__사용자 기반 협업 필터링
____추천 모델 생성
____테스트 세트에 추천 모델 적용
____이진 데이터에 대한 협업 필터링
____데이터 준비
____이진 데이터에 대한 아이템 기반 협업 필터링
____이진 데이터에 대한 사용자 기반 협업 필터링
____협업 필터링에 대한 결론
______협업 필터링의 한계
__콘텐츠 기반 필터링
__하이브리드 추천 시스템
__지식 기반 추천 시스템
__요약


4장. 추천 시스템의 평가
__모델 평가를 위한 데이터 준비
____데이터 분할
____데이터 부트스트랩
____k-fold를 사용해 모델 확인
__추천 결과 평가
____예측 평점 평가
____추천 결과 평가
__가장 적합한 모델 식별
____모델 비교
____가장 적합한 모델 식별
____매개변수 최적화
__요약


5장. 사례 연구: 나만의 추천 시스템 만들기
__데이터 준비하기
____데이터에 대한 설명
____데이터 불러오기
____평점 매트릭스 정의하기
____아이템 속성 추출하기
__모델 만들기
__모델 평가 및 최적화
____모델을 평가하는 함수 만들기
____모델 매개변수 최적화
__요약