시각화는 power bi로 진행해 보았다. 시각화 툴이라는 것을 한 번 사용해 보고 싶어서라는 생각이었다. power bi의 장점은 데이터만 잘 가공해 놓는다면 그래프를 만드는 것이 매우 간단하다는 것이다. powerbi.microsoft.com/ko-kr/desktop/ Power BI Desktop—대화형 보고서 | Microsoft Power BI AI 기반 확장 분석으로 데이터 인사이트 심화 데이터를 살펴보고, 자동으로 패턴을 찾으며, 데이터의 의미를 파악하고, 향후 결과를 예측하여 비즈니스 성과를 이끌어내세요. Azure에서 처음 제공 powerbi.microsoft.com 해당 사이트를 가면 다운을 받을 수 있다. 하지만 유료를 사용하지 않는 경우 제약이 많다. 여기서 power bi desk..
# 유저에 따른 개인 영화 추천 def user_difference(data,usernumber,rating,moviedata,dropdata,reader,svd): df = data df_user = df[(df['userId'] == usernumber) & (df['rating'] == rating)] df_user = df_user.set_index('movieId') df_user = df_user.join(moviedata)['original_title'] print(df_user) user_release_ratio_list = user_release_ratio(df, usernumber) # 유저의 년도 비율을 가져온다. user_df = moviedata.copy() user_df = us..
처음 데이터는 kaggle에서 찾았다. www.kaggle.com/rounakbanik/the-movies-dataset The Movies Dataset Metadata on over 45,000 movies. 26 million ratings from over 270,000 users. www.kaggle.com kaggle에 가면 다양한 데이터가 있어 사용하기 편리하다. 여기서 데이터를 얻었고 이것을 가공하여 사용하기로 했다. 코랩으로 하였고 목차는 위에 처럼 진행하였다. from google.colab import drive # 구글 코랩에서 drive(내 구글 드라이브)를 사용하기 위한 함수 import io drive.mount('/content/drive') # 이렇게 하면 내 drive가 ..
- 해당 Power bi link app.powerbi.com/view?r=eyJrIjoiMDFmNjk5YTgtYmYzMy00YWM3LTgzNjctNDRhNjBjNWY0ZDdhIiwidCI6IjcxNzYzNWIxLTFjNzUtNDViOC05NmEzLWQzYzM0MTk5MWUwNyJ9 Power BI Report Report powered by Power BI app.powerbi.com 프로젝트 이름 - 영화 추천 시스템 기술 스택 - python 사용한 Tool - colab, jupyter, power bi 프로젝트 기간 - 20.08.21 - 20.09.08 프로젝트 내용 - kaggle에 있는 영화 데이터와 사용자의 평점 데이터를 통해 영화 추천 시스템을 구현하였다. 사용자에 따른 개인화 추천을 ..