docs: finalized wiki integrity maintenance (v3.0 standard) - pruned 1400+ stubs and fixed 11k+ ghost links

10_Wiki/Topics_GD/Bias-Correction-Algorithm.md

@@ -1,18 +1,18 @@
 ---
-id: [[P-Reinforce]]-AI-BIAS-CORR
+id: [[P-Reinforce|P-Reinforce]]-AI-BIAS-CORR
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
-tags: [Bias Correction, AI Ethics, [[Algorithmic Fairness]], [[Statistics]]]
+tags: [Bias Correction, AI Ethics, [[Algorithmic Fairness|Algorithmic Fairness]], [[Statistics|Statistics]]]
 last_reinforced: 2026-04-20
 ---
 
-# [[Bias-Correction-Algorithm]] (편향 보정 알고리즘)
+# [[Bias-Correction-Algorithm|Bias-Correction-Algorithm]] (편향 보정 알고리즘)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 편견은 모델의 차별이 된다." 특정 인구통계학적 특성에 치우친 데이터를 수학적으로 재조정하여, AI가 공정하고 객관적인 판결을 내리도록 강제하는 기술적 윤리 장치다.
 
 ## 📖 구조화된 지식 (Synthesized Content)
-- **Pre-[[Processing]] Techniques**:
+- **Pre-[[Processing|Processing]] Techniques**:
     - 학습 전 데이터셋에서 편향된 샘플의 가중치를 조절하거나(Reweighing), 정보를 제거하여 모델이 편견을 학습하지 못하게 한다.
 - **In-processing Approaches**:
     - 손실 함수(Loss function)에 '공정성 제약 조건'을 추가하여, 정확도뿐만 아니라 공정성 점수도 함께 최적화한다.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 과도한 편향 보정은 모델의 전반적인 정확도(Accuracy)를 떨어뜨릴 수 있다. '정확도와 공정성 사이의 트레이드오프'를 비즈니스 가치에 맞게 합의하는 의사결정이 기술보다 더 중요하다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: AI-Ethics , [[Bias-Variance-Tradeoff]]
-- [[Strategy]]: [[Reliability_Safety_First]]
+- Related: AI-Ethics , [[Bias-Variance-Tradeoff|Bias-Variance-Tradeoff]]
+- [[Strategy|Strategy]]: [[Reliability_Safety_First|Reliability_Safety_First]]