가중 결정 그루터기 (Weighted Decision Stump)

52번 결정 그루터기 는 오분류 개수 를 최소화. AdaBoost 에서는 각 샘플이 가중치 $w_i$ 를 가지며 (이전 라운드에서 틀린 샘플일수록 큰 가중치), stump가 최소화할 목표도 가중 오차:

$\epsilon = \sum_{i : \hat{y}_i \ne y_i} w_i$

왜 가중치?

• AdaBoost: 매 라운드 오분류된 샘플의 가중치를 키워 다음 stump가 그 어려운 샘플 에 집중하도록.
• 가중치 합 $\sum w_i = 1$ 이라 가정해도 좋음 (정규화).

과제

함수 fit_stump_weighted(X, y, w) 를 완성하세요.

• X shape (N, D), y shape (N,) with {0, 1}, w shape (N,) 양수 가중치.
• 각 영역의 다수결: 가중 합 기준 (더 큰 $w$ 쪽 레이블).
• 반환: 튜플 (feature, threshold, left_pred, right_pred).
• 예측 규칙: y = left_pred if X[:, feature] <= threshold else right_pred.

테스트 케이스