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

10_Wiki/Topics_GD/Mean-Absolute-Error-MAE.md

@@ -2,7 +2,7 @@
 id: MATH-MAE-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
-tags: [[[Statistics]], machine-learning, loss-functions, mae, l1-loss, evaluation-metrics]
+tags: [[Statistics|[Statistics]], machine-learning, loss-functions, mae, l1-loss, evaluation-metrics]
 last_reinforced: 2026-04-26
 ---
 
@@ -15,8 +15,8 @@ last_reinforced: 2026-04-26
 - **추출된 패턴:** "Linear Error Penalization" — 오차에 제곱을 가하지 않고 선형적으로 페널티를 부여함으로써, 소수의 극단적인 오차(이상치)가 전체 손실값에 미치는 영향을 억제하고 데이터의 보편적인 경향성을 학습하게 하는 패턴.
 - **수식:** $\frac{1}{n} \sum_{i=1}^n |y_i - \hat{y}_i|$
 - **주요 특징:**
-    - **[[Robustness]]:** 이상치에 강건함. (MSE 대비 이상치의 영향력이 작음)
-    - **[[Interpretability]]:** 오차의 단위가 타겟 변수의 단위와 동일하여 "평균적으로 얼마의 차이가 난다"라는 직관적 이해 가능.
+    - **[[Robustness|Robustness]]:** 이상치에 강건함. (MSE 대비 이상치의 영향력이 작음)
+    - **[[Interpretability|Interpretability]]:** 오차의 단위가 타겟 변수의 단위와 동일하여 "평균적으로 얼마의 차이가 난다"라는 직관적 이해 가능.
 - **의의:** 금융 데이터 분석이나 기상 예측처럼 소수의 예외적인 데이터가 전체 모델을 흔들지 않아야 하는 견고한(Robust) 시스템 설계의 핵심 지표.
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 작업 소요 시간 예측 모델 평가 시, 비정상적으로 긴 작업 시간이 전체 성능 통계를 왜곡하지 않도록 MAE를 주 평가지표로 사용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Mean-Squared-Error-MSE]], [[Loss-Functions-Foundations]], [[Manhattan-Distance]], [[Supervised-Learning-Foundations]]
+- [[Mean-Squared-Error-MSE|Mean-Squared-Error-MSE]], [[Loss-Functions-Foundations|Loss-Functions-Foundations]], [[Manhattan-Distance|Manhattan-Distance]], [[Supervised-Learning-Foundations|Supervised-Learning-Foundations]]
 - **Raw Source:** 10_Wiki/Topics/AI/Mean-Absolute-Error-MAE.md