Top-k 정확도

14번 accuracy-v1 는 argmax 예측이 정답과 정확히 같은지 확인. Top-k 는 "정답이 상위 $k$ 개 후보 안에 들어 있으면 맞은 것" 으로 덜 엄격하게 평가합니다.

$\text{top-k}(\mathbf{S}, \mathbf{y}) = \frac{1}{N} \sum_i \mathbb{1}\big[y_i \in \operatorname{top-k}(S_i)\big]$

• $k = 1$ → 보통 accuracy-v1와 동일.
• $k = 5$ → ImageNet 리더보드의 표준 (실수 조금은 눈감아주자).

왜 쓰나?

추천 시스템 — 유저 관심 1위를 맞추긴 어려워도 "관심 후보 5개 중 하나"는 맞추기 쉽죠.
이미지 분류 — 1000클래스라 유사 클래스가 많음. Top-5 가 현실적 지표.
검색/랭킹 — 정답이 상위 결과 안에 있는지 가 관심사.

과제

함수 top_k_accuracy-v1(scores, y_true, k) 를 완성하세요.

• scores shape (N, C) — 각 클래스별 점수.
• y_true shape (N,) 정수 레이블.
• k 정수.
• 반환: Python float, [0, 1].
• np.argsort(scores, axis=1)[:, -k:] 로 top-k 인덱스 획득.

테스트 케이스