소프트 보팅 (Soft Vote)

다수결(54번) 은 각 분류기의 최종 레이블 만 보고 투표합니다. 확신도 정보가 버려져요. Soft voting 은 각 분류기의 확률 분포 를 평균내고 마지막에 argmax:

$\hat{p}_i = \frac{1}{M} \sum_{m=1}^{M} p^{(m)}_i, \quad \hat{y}_i = \arg\max_k \hat{p}_{i,k}$

Hard vs Soft

• Hard: 한 분류기가 "아슬아슬 1" 이라고 해도 1표.
• Soft: 0.51 vs 0.99 가 구별됨 → 확신 있는 예측이 더 큰 영향.

Soft voting 이 보통 더 좋지만, 분류기가 잘 교정된(calibrated) 확률 을 내는 경우에만. 점수만 내는 SVM 등은 별도 보정 필요.

과제

함수 soft_vote(probs) 를 완성하세요.

• probs shape (M, N, K) — M 분류기의 N 샘플에 대한 K-클래스 확률.
• 반환: (N,) 정수 — 평균 확률의 argmax.
• probs.mean(axis=0).argmax(axis=1) 한 줄.

테스트 케이스

#	이름	검증
1	shape	(N,) 정수
2	분류기 1개 → argmax
3	확신 있는 쪽이 이김	아슬아슬 vs 확신 예제
4	알려진 toy	손계산