Huber 손실 (Huber Loss)

MSE(3번) 과 MAE(20번) 의 장점만 합친 하이브리드. 임계값 $\delta$ 를 기준으로:

$L_\delta(e) = \begin{cases} \tfrac{1}{2} e^2 & \text{if } |e| \leq \delta \\ \delta (|e| - \tfrac{1}{2}\delta) & \text{otherwise} \end{cases}$

여기서 $e = \hat{y} - y$.

왜 하이브리드?

• 작은 오차(|e| ≤ δ): MSE처럼 제곱 — 매끄럽고 경사 잘 잡힘.
• 큰 오차(|e| > δ): MAE처럼 선형 — 이상치가 손실을 지배하지 못하게.

δ 를 키우면 MSE에 가까워지고, 작게 하면 MAE에 가까워집니다.

과제

함수 huber(y_pred, y_true, delta) 를 완성하세요.

• 반환: Python float (평균).
• np.where 로 분기 처리 후 np.mean.

테스트 케이스