조정된 결정계수 (Adjusted R²)

22번 R² 는 특성을 추가할수록 무조건 높아지는 경향이 있어요 — 의미 없는 feature를 넣어도 우연히 조금은 설명력이 생기거든요. Adjusted R² 는 feature 수로 패널티 를 줘서 "진짜 쓸모있는 feature 인지" 판단하게 해줍니다:

$R^2_{\text{adj}} = 1 - \frac{(1 - R^2)(N - 1)}{N - p - 1}$

• N: 샘플 수
• p: feature 수 (편향 b 제외)

해석

• R² 보다 항상 작거나 같음.
• feature 추가 시 R² 는 거의 안 오르고 p 는 오르면 → Adjusted R² 감소 (쓸모없는 피처라는 신호).
• 반대로 R² 가 충분히 오르면 → Adjusted R² 도 증가.
• feature 선택의 기준으로 흔히 사용.

과제

함수 adjusted_r2_score(y_pred, y_true, n_features) 를 완성하세요.

• 먼저 일반 R² 계산.
• 공식 적용.
• N - p - 1 <= 0 이면 0.0 반환 (방어).

테스트 케이스