[TIL] 내일배움캠프 120일차_[ML] Surprise 라이브러리를 활용한 추천 시스템

March 26, 2025

TIL

👀Today I LearnPermalink

Surprise 라이브러리란?Permalink

Surprise는 Scikit-learn 스타일의 API를 제공하는 추천 시스템 라이브러리로, 다양한 협업 필터링 알고리즘을 지원
특히, 사용자-아이템 평점 데이터를 다루는 데 최적화되어 있으며, 다양한 평가 지표를 제공하여 모델의 성능을 분석할 수 있음

주요 특징Permalink

다양한 추천 알고리즘 제공 (SVD, KNN, NMF 등)
간편한 데이터 로딩 및 학습
커스텀 알고리즘 구현 가능
RMSE, MAE 등의 평가 지표 제공

Surprise 설치하기Permalink

Surprise는 pip을 이용하여 간단히 설치할 수 있음
```
  pip install scikit-surprise
```
설치 후 정상적으로 라이브러리가 로드되는지 확인
```
  import surprise
  print(surprise.__version__)
```

Surprise를 이용한 추천 시스템 구현Permalink

(1) 데이터 로드Permalink

Surprise는 Movielens와 같은 공개 데이터셋을 쉽게 불러올 수 있습니다.

  from surprise import Dataset
  from surprise.model_selection import train_test_split

  # Movielens 100k 데이터 로드
  data = Dataset.load_builtin('ml-100k')
  trainset, testset = train_test_split(data, test_size=0.2)

(2) SVD 모델 학습 및 평가Permalink

SVD(Singular Value Decomposition) 알고리즘을 사용하여 추천 모델을 학습

  from surprise import SVD
  from surprise import accuracy
  from surprise.model_selection import cross_validate

  # SVD 모델 생성
  model = SVD()

  # 모델 학습
  model.fit(trainset)

  # 예측 수행
  predictions = model.test(testset)

  # RMSE 평가
  rmse = accuracy.rmse(predictions)
  print(f"RMSE: {rmse}")

(3) 특정 사용자에게 영화 추천하기Permalink

학습된 모델을 이용하여 특정 사용자에게 맞춤형 추천을 제공

  # 특정 사용자(user_id = 196)의 영화(movie_id = 302)에 대한 예상 평점 예측
  user_id = str(196)
  item_id = str(302)

  pred = model.predict(user_id, item_id)
  print(f"예상 평점: {pred.est}")

(4) 전체 영화 추천 리스트 생성Permalink

사용자가 아직 평가하지 않은 영화에 대한 추천 목록을 생성할 수도 있음

  def get_top_n_recommendations(predictions, n=10):
      from collections import defaultdict
        
      top_n = defaultdict(list)
      for pred in predictions:
          top_n[pred.uid].append((pred.iid, pred.est))
        
      # 예측 평점 기준으로 정렬
      for uid, user_ratings in top_n.items():
          user_ratings.sort(key=lambda x: x[1], reverse=True)
          top_n[uid] = user_ratings[:n]
        
      return top_n

  # 모든 사용자에 대한 추천 리스트 생성
  top_n_recs = get_top_n_recommendations(predictions, n=5)

  # 특정 사용자(196) 추천 목록 확인
  print(f"User 196 추천 영화: {top_n_recs['196']}")

다양한 알고리즘 적용Permalink

Surprise는 SVD 외에도 여러 알고리즘을 지원

KNN 기반 협업 필터링Permalink

from surprise import KNNBasic

sim_options = {'name': 'cosine', 'user_based': True}
model = KNNBasic(sim_options=sim_options)
model.fit(trainset)
predictions = model.test(testset)
accuracy.rmse(predictions)

참고 자료Permalink

Surprise 공식 문서: https://surprise.readthedocs.io/
Movielens 데이터셋: https://grouplens.org/datasets/movielens/

💡Today I ThoughtPermalink

오늘의 체크리스트Permalink

회고Permalink

내일 README 초안 작성해야지.. 매일매일 해야하는게 산더미다.. 해야하는게 너무 많아..🥺

Lee Hyun Ji