F-beta 점수

29번 F1 의 일반화. β 파라미터로 recall/precision 가중치 를 조절합니다:

$F_\beta = (1 + \beta^2) \, \frac{P \cdot R}{\beta^2 P + R}$

• β = 1 → 표준 F1 (P/R 동등)
• β > 1 → recall 을 더 중시 (예: 암 진단 — 놓치면 안 됨)
• β < 1 → precision 을 더 중시 (예: 스팸 필터 — 오경보 최소화)

$β = 2$ 의 F2 는 정보 검색, 생물정보학에서 자주 사용.

과제

함수 f_beta(y_pred, y_true, beta) 를 완성하세요.

• 이진 {0, 1}.
• 반환: Python float.
• 분모 0 방어.

테스트 케이스