평균 퍼셉트론 (Averaged Perceptron)

42번 퍼셉트론 은 마지막 (w, b) 를 그대로 반환합니다. 하지만 마지막 업데이트 시점의 가중치는 가장 최근 샘플의 영향을 강하게 받아 노이지 합니다. 평균 퍼셉트론은 학습 내내 매 갱신마다의 (w, b) 를 누적 평균 해서 반환:

$\bar{w} = \frac{1}{T} \sum_{t=1}^{T} w_t, \quad \bar{b} = \frac{1}{T} \sum_{t=1}^{T} b_t$

직관적으로 "중요한 시기의 가중치" 를 더 많이 반영하는 앙상블 효과. 실전에서 test 정확도가 기본 퍼셉트론보다 대체로 더 높고 분산이 작음 — Collins 2002.

과제

함수 fit_perceptron-v1_averaged(X, y, n_iter) -> (w, b) 를 완성하세요.

• y ∈ {-1, +1}, X shape (N, D).
• 각 sample 순회 시마다 현재 w, b 를 누적 → 마지막에 총 스텝 수로 나눔.
• w = 0, b = 0 초기화, 오분류 시에만 w += y_i x_i, b += y_i.

테스트 케이스