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

10_Wiki/Topics_GD/Kernel-Density-Estimation-KDE.md

@@ -2,7 +2,7 @@
 id: MATH-KDE-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
-tags: [[[Statistics]], math, kde, density-estimation, data-visualization, probability]
+tags: [[Statistics|[Statistics]], math, kde, density-estimation, data-visualization, probability]
 last_reinforced: 2026-04-26
 ---
 
@@ -15,7 +15,7 @@ last_reinforced: 2026-04-26
 - **추출된 패턴:** "Smoothing and Summation" — 각 데이터 포인트 위치에 커널 함수(주로 가우시안)를 배치하고, 이들을 모두 합산하여 데이터가 밀집된 곳은 높게, 희소한 곳은 낮게 표현하는 공간적 밀도 추론 패턴.
 - **주요 구성 요소:**
     - **Kernel Function:** 데이터의 영향력을 주변으로 퍼뜨리는 함수 형태.
-    - **Bandwidth ($h$):** 함수의 넓이(매끄러움)를 조절하는 파라미터. $h$가 너무 작으면 과적합([[Overfitting]]), 너무 크면 분포가 뭉개짐(Underfitting).
+    - **Bandwidth ($h$):** 함수의 넓이(매끄러움)를 조절하는 파라미터. $h$가 너무 작으면 과적합([[Overfitting|Overfitting]]), 너무 크면 분포가 뭉개짐(Underfitting).
 - **의의:** 히스토그램과 달리 빈(Bin)의 크기나 시작점에 민감하지 않으며, 데이터의 실제 분포 형태를 훨씬 더 정확하게 반영할 수 있음.
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 응답 시간 분포를 분석하여 병목 구간을 시각화할 때, 히스토그램 대신 KDE 곡선을 사용하여 통계적 왜곡을 방지함.
 
 ## 🔗 지식 연결 (Graph)
-- Probability-Theory, [[Exploratory-Data-Analysis]], [[Anomaly-Detection]]-Foundations, [[Supervised-Learning-Foundations]]
+- Probability-Theory, [[Exploratory-Data-Analysis|Exploratory-Data-Analysis]], [[Anomaly-Detection|Anomaly-Detection]]-Foundations, [[Supervised-Learning-Foundations|Supervised-Learning-Foundations]]
 - **Raw Source:** 10_Wiki/Topics/AI/Kernel-Density-Estimation-KDE.md