KNN 회귀

KNN 분류(16번) 의 회귀 버전. 가장 가까운 k 개 이웃의 라벨을 다수결 로 뽑는 대신, 평균 을 내면 회귀가 됩니다:

$\hat{y}(\mathbf{x}) = \frac{1}{k} \sum_{i \in N_k(\mathbf{x})} y_i$

여기서 $N_k(x)$ 는 $x$ 에서 가장 가까운 $k$ 개 훈련점의 인덱스 집합.

특징

• 비모수적(nonparametric): 가중치 파라미터를 학습하지 않음.
• 데이터 전체를 기억 (메모리 많이 사용).
• 거리 기반 → 스케일 민감 (표준화 필요).
• k=1 이면 노이즈에 과적합, 너무 크면 평균치로 평탄.

과제

함수 predict(X_train, y_train, X_test, k) 를 완성하세요.

• X_train (N, D), y_train (N,) 실수, X_test (M, D).
• 반환: (M,) 실수 배열 — 각 테스트 점의 예측값.
• 힌트: 쌍별 거리 → argsort(axis=1)[:, :k] → y_train[idx].mean(axis=1).

테스트 케이스

#	이름	검증
1	shape (M,)
2	k=1, X_test=X_train	정답 = y_train
3	간단한 예제	손으로 계산 가능한 값
4	sklearn KNeighborsRegressor 일치