Критерий Gini: расчёт разбиения дерева на Python

Расчёт неоднородности Gini и взвешенного сплита

Что уже дано

Проверяющая система выполняет решение в среде Python 3.12 с библиотекой numpy. Никаких вспомогательных глобальных переменных, файлов или классов перед запуском решения не создаётся. Проверяющие тесты напрямую импортируют и вызывают функцию compute_split_gini.

Что нужно сделать

Реализуйте функцию compute_split_gini(labels, split_mask).

Функция принимает:

• labels: одномерный массив или последовательность бинарных меток классов (значения строго 0 или 1) длины $N\ge 2$;
• split_mask: одномерный булев массив или последовательность bool той же длины $N$, где True означает отнесение объекта к левому узлу, а False — к правому узлу.

Требования к поведению и валидации входов:

1. Преобразуйте входы к одномерным массивам np.ndarray.
2. Если длины массивов не совпадают, выбросьте ValueError("Длины labels и split_mask должны совпадать").
3. Если labels содержит значения, отличные от 0 и 1, выбросьте ValueError("Метки должны принимать значения 0 или 1").
4. Если хотя бы один из узлов оказывается пустым (то есть все значения split_mask равны True или все равны False), выбросьте ValueError("Оба узла должны быть непустыми").
5. Рассчитайте:

• $G_{\text{parent}}$ — критерий неоднородности Gini родительского узла: $1-(p_0^2+p_1^2)$;
• $G_{\text{left}}$ и $G_{\text{right}}$ — критерии Gini для каждого дочернего узла по долям классов внутри соответствующего узла;
• $G_{\text{split}}$ — взвешенный Gini разбиения: $\frac{N_{\text{left}}}{N}{G}_{\text{left}}+\frac{N_{\text{right}}}{N}{G}_{\text{right}}$;
• $\Delta G$ — выигрыш от разбиения (уменьшение неоднородности): $G_{\text{parent}}-G_{\text{split}}$.

Функция должна возвращать словарь dict[str, float] со строго следующими ключами:

• "parent_gini": значение $G_{\text{parent}}$ типа float;
• "weighted_child_gini": значение $G_{\text{split}}$ типа float;
• "gini_gain": значение $\Delta G$ типа float.

Ввод и вывод

stdin не используется. Печатать через print в stdout ничего не нужно. Проверяющая система вызывает функцию compute_split_gini(labels, split_mask) с аргументами различных типов (списки, массивы numpy) и сверяет структуру и числовые значения возвращённого словаря, а также реакцию на некорректные входные данные.

Пример использования

import numpy as np

labels = [0, 0, 1, 1]
mask = [True, True, False, False]
res = compute_split_gini(labels, mask)
print(res["parent_gini"], res["weighted_child_gini"], res["gini_gain"])

Результат:

0.5 0.0 0.5