Gini 불순도 (Gini Impurity)

결정트리(CART) 에서 엔트로피(36번) 의 빠른 대체품 으로 쓰이는 불순도 지표:

$\text{Gini}(p) = 1 - \sum_i p_i^2$

확률적 해석: 분포 p 에서 한 샘플을 뽑아 예측했을 때 오분류될 확률.

엔트로피와 비교

지표	계산	범위 (k 클래스)
Entropy (bits)	-Σ p log₂ p	[0, log₂ k]
Gini	1 - Σ p²	[0, 1 - 1/k]

• 둘 다 one-hot 에서 0, 균등분포에서 최대
• Gini는 log 연산이 없어 계산이 빠름 — 대규모 트리에서 유리
• 분류 성능은 둘이 거의 같다고 알려져 있음

과제

함수 gini(probs) 를 완성하세요.

• 입력: 1D 확률 배열.
• 반환: Python float.
• 1 - np.sum(p**2) 한 줄.

테스트 케이스

#	이름	입력	기대
1	one-hot → 0	[1, 0, 0]	0
2	이진 균등 → 0.5	[0.5, 0.5]	0.5
3	3-균등 → 2/3	[1/3]*3	≈ 0.667
4	편향	[0.9, 0.1]	0.18
5	k=4 최대	[0.25]*4	0.75