결정 그루터기 (Decision Stump)

depth=1 결정트리 — 단 하나의 특성·임계값으로 데이터를 둘로 나눕니다. 그 자체로는 약한 분류기(weak learner) 지만 AdaBoost 의 기본 블록이 되고, 결정트리의 분기 선택 로직을 배우는 입구입니다.

알고리즘 (binary {0, 1})

각 특성 j 에 대해:

1. 고유 값들을 정렬 → 연속 쌍의 중점을 후보 임계값 t 로.
2. 각 t 에서 X[:, j] <= t 로 2 영역 분할.
3. 각 영역의 다수결 레이블 예측, 오분류 수 계산.

가장 오분류가 적은 (j, t, left_pred, right_pred) 를 반환.

과제

함수 fit_stump(X, y) 를 완성하세요.

• X shape (N, D), y shape (N,) with {0, 1}.
• 반환: 튜플 (feature, threshold, left_pred, right_pred) — 모두 Python int / float.
• 예측 규칙: y = left_pred if X[:, feature] <= threshold else right_pred.

테스트 케이스

#	이름	검증
1	한 축 분리 가능 → 100%
2	반환 타입	(int, float, int, int) 류
3	임계값이 실제 데이터 사이
4	알려진 toy 케이스	손계산 일치