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

10_Wiki/Topics_GD/ROC-AUC-Curves.md

@@ -14,7 +14,7 @@ last_reinforced: 2026-04-26
 ## 📖 구조화된 지식 (Synthesized Content)
 - **추출된 패턴:** "Threshold-Agnostic Performance Evaluation" — 모델이 정답과 오답을 얼마나 잘 갈라내는지(Discrimination)를 확인하기 위해, 모든 가능한 임계값에 대해 TPR(재현율)과 FPR(오탐율)의 궤적을 그리고 그 아래 면적(AUC)을 계산하는 패턴.
 - **핵심 지표:**
-    - **ROC (Receiver [[Opera]]ting Characteristic):** 가로축 FPR, 세로축 TPR의 곡선. 왼쪽 상단에 붙을수록 고성능.
+    - **ROC (Receiver [[Opera|Opera]]ting Characteristic):** 가로축 FPR, 세로축 TPR의 곡선. 왼쪽 상단에 붙을수록 고성능.
     - **AUC (Area Under the Curve):** 곡선 아래 면적. 1.0에 가까울수록 완벽한 분류, 0.5는 무작위 추측.
 - **의의:** 특정 임계값에서의 성능이 아닌, 모델의 전체적인 잠재력을 평가할 수 있게 해주며, 데이터 불균형 상황에서도 모델의 변별력을 비교적 객관적으로 나타냄.
 
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 분류 모델 성능 보고 시, 단일 정확도(Accuracy) 지표 대신 ROC-AUC 점수를 병기하여 모델의 신뢰도를 다각도로 검증함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Precision-Recall-Tradeoff]], [[Performance-Metrics-in-AI]], [[Logistic-Regression]], [[Imbalanced-Data-Handling]]
+- [[Precision-Recall-Tradeoff|Precision-Recall-Tradeoff]], [[Performance-Metrics-in-AI|Performance-Metrics-in-AI]], [[Logistic-Regression|Logistic-Regression]], [[Imbalanced-Data-Handling|Imbalanced-Data-Handling]]
 - **Raw Source:** 10_Wiki/Topics/AI/ROC-AUC-Curves.md