Beer-Recommendation-System

2019-2학기 '통계학세미나' 수업에서 수행한 팀 프로젝트입니다.
이 프로젝트는 개인에게 맞춤형 맥주를 추천해줄 수 있는 맥주 추천 알고리즘 개발 프로젝트입니다.
발표 자료는 여기에서 다운받을 수 있습니다.

---

수업 정보

• 2019년 2학기 (2019.09.02-2019.12.21)
• 통계학 세미나
  • 전공(응용통계학)
  • 임창원 교수님

분석 개요

• 사용한 데이터는 Kaggle의 Beers, Breweries, and Beer Reviews로, 그 중 reviews.csv (약 900만 개 데이터)를 추천 알고리즘을 개발하는 데에 사용
• 맥주시장의 현황 시각화
• 평가지표: RMSE

Part 1. 머신러닝

• 협업 필터링(Collaborative Filtering)을 기반으로 한 최근접 이웃 방식- IBCF(Item-Based Collaborative Filtering), 잠재요인 방식의 SVD, NMF 알고리즘 사용
• python 라이브러리 중 하나인 SURPRISE 패키지 활용
• 데이터가 900만 개로 너무 많아 머신러닝 알고리즘으로는 수행 시간이 너무 오래 걸려 많은 전처리 끝에 약 10만개의 데이터만을 이용해 수행하였음

Part 2. 딥러닝(Keras)

• 딥러닝은 온전히 900만 개의 데이터를 모두 사용하여 좀 더 믿을 수 있는 성능을 도출할 수 있었음
• Layer의 개수를 추가, activation 다양화, optimizer 다양화로 많은 모델을 만들어 보고, 가장 좋은 성능을 내는 모델 도출

결론

• 가장 좋은 성능은 머신러닝 기법의 NMF
• 다양한 추천 알고리즘을 실제로 경험해볼 수 있어 의미있는 프로젝트였지만, 더 좋은 성능을 내기 위해 하이퍼 파라미터 튜닝이나 과적합 규제 방법을 썼으면 하는 아쉬움이 남음.