docs(10_Wiki): 위키 전체 재구성 — Topic_* 폴더를 4개 카테고리로 통합 + 대규모 중복 제거

Topic_Agent/Topic_Blog/Topics/Topics_Biz/Topics_Meeting/Topics_Rag의 마크다운 지식 문서를
Topic_General/Topic_Programming/Topic_Graphic/Topic_Business 4개 카테고리로 재분류.

- 중복 제거: frontmatter의 status:duplicate/merged + duplicate_of/redirect_to 필드로
  자기 자신을 중복으로 선언한 리다이렉트 stub 1032개 제거, 완전 동일 내용 파일 472개 제거,
  동일 파일명·다른 내용 충돌 시 더 큰(완전한) 버전만 유지(162개 제거) — 총 1639개 중복 제거.
- 분류: 폴더 단위로 명확한 항목(AI_and_ML/Coding/Architecture 등 → Programming,
  Comfyui/Visual_Effects → Graphic, Topics_Biz/Topics_Meeting/사업 등 → Business,
  Poetic_Blog_Writing/창의성/Game_Design 등 → General)은 폴더 우선순위로,
  나머지 혼재 폴더(Topic_Agent/Topic_Blog/Topics 루트/Thinking & Reasoning/Other/UI_UX_Assets)는
  title/tags 키워드 스코어링으로 파일 단위 분류(불명확한 경우 General로 폴백).
  원본 폴더명은 "From_*" 서브폴더로 보존해 추적 가능성 유지.
- 최종 배치: Programming 2784 / General 1608 / Graphic 285 / Business 249 = 4926개 문서.
- 에이전트 운영 상태(.astra/.agent/.obsidian/sessions/memory/_company/docs/lessons/_shared/src)는
  지식 콘텐츠가 아니므로 재분류 대상에서 제외하고 원위치 유지.
- Topics/Topic_email(상위 보호 폴더 Topic_email과 파일명 100% 중복) 삭제 — 보호 폴더 자체는 미변경.
- 완전히 비게 된 Topic_Agent/Topic_Blog/Topics_Biz/Topics_Rag 폴더 제거.

10_Wiki/Topic_Programming/AI_and_ML/Mean-Squared-Error-MSE.md

@@ -0,0 +1,121 @@
+---
+id: wiki-2026-0508-mean-squared-error-mse
+title: Mean Squared Error (MSE)
+category: 10_Wiki/Topics
+status: verified
+canonical_id: self
+aliases: [MSE, L2 Loss, Squared Error, RMSE]
+duplicate_of: none
+source_trust_level: A
+confidence_score: 0.9
+verification_status: applied
+tags: [ml, loss-function, regression, metric, statistics]
+raw_sources: []
+last_reinforced: 2026-05-10
+github_commit: pending
+tech_stack: { language: python, framework: sklearn-pytorch }
+---
+
+# Mean Squared Error (MSE)
+
+## 매 한 줄
+> **"매 큰 오차에 큰 벌"**. MSE = mean((y - ŷ)²). 제곱 때문에 outlier에 민감하지만 미분 가능·convex라서 회귀의 디폴트 loss.
+
+## 매 핵심
+### 매 정의
+- **MSE**: $\frac{1}{n} \sum (y_i - \hat{y}_i)^2$
+- **RMSE**: $\sqrt{\text{MSE}}$ — 단위가 원본과 동일.
+- **MAE**: $\frac{1}{n} \sum |y_i - \hat{y}_i|$ — 비교 대상.
+- 가우시안 가정 하 MLE = MSE 최소화.
+
+### 매 특성
+1. 미분 가능 (gradient = 2(ŷ - y)/n).
+2. Convex → 전역 최소 보장 (linear regression).
+3. Outlier에 quadratic하게 끌려간다.
+4. 단위가 제곱 → 해석은 RMSE로.
+5. Scale-dependent (정규화 안 하면 feature 큰 쪽 지배).
+
+## 💻 패턴
+
+### Pattern 1 — sklearn
+```python
+from sklearn.metrics import mean_squared_error
+mse = mean_squared_error(y_true, y_pred)
+rmse = mean_squared_error(y_true, y_pred, squared=False)  # ≥1.4: root_mean_squared_error
+```
+
+### Pattern 2 — PyTorch
+```python
+import torch.nn.functional as F
+loss = F.mse_loss(pred, target)  # default: mean
+loss_sum = F.mse_loss(pred, target, reduction='sum')
+```
+
+### Pattern 3 — NumPy (수동)
+```python
+import numpy as np
+mse = np.mean((y - y_hat) ** 2)
+rmse = np.sqrt(mse)
+```
+
+### Pattern 4 — Huber (outlier robust)
+```python
+loss = F.huber_loss(pred, target, delta=1.0)
+# |x|<δ면 MSE, 아니면 MAE — 두 세계의 좋은 점
+```
+
+### Pattern 5 — Weighted MSE
+```python
+loss = (weights * (pred - target) ** 2).mean()
+# 샘플 중요도가 다를 때 (e.g., 최근 데이터 가중)
+```
+
+### Pattern 6 — Log-MSE (multiplicative error)
+```python
+loss = F.mse_loss(torch.log1p(pred), torch.log1p(target))
+# 가격/판매량처럼 비율 오차가 중요할 때
+```
+
+## 매 결정 기준
+| 상황 | Loss |
+|---|---|
+| 일반 회귀 / outlier 적음 | **MSE** |
+| Outlier 많음 / heavy tail | MAE 또는 Huber |
+| 비율 오차 중요 | log-MSE / MAPE |
+| Quantile 예측 | Pinball loss |
+| 분류 | Cross-Entropy (MSE 쓰지 말 것) |
+| 시계열 평가 보고 | RMSE (단위 일치) |
+
+**기본값**: MSE 학습 + RMSE 보고.
+
+## 🔗 Graph
+- 부모: [[Loss-Function]], [[Regression]]
+- 변형: [[RMSE]]
+- 응용: [[Linear-Regression]], [[Neural-Networks]], [[Time-Series-Analysis|Time-Series-Forecasting]]
+- Adjacent: [[MAE]], [[Cross-Entropy]]
+
+## 🤖 LLM 활용
+**언제**:
+- Loss 선택 디버깅 (outlier 영향 분석).
+- 회귀 모델 평가 보고서 초안.
+- MSE/MAE/Huber tradeoff 설명.
+
+**언제 X**:
+- 도메인 특화 loss 설계 (custom utility 필요).
+- 분류 문제에 손실 추천.
+
+## ❌ 안티패턴
+- 분류에 MSE (sigmoid+MSE는 vanishing gradient).
+- Outlier 많은 데이터에 MSE 그대로.
+- Feature scaling 없이 MSE 비교.
+- RMSE 대신 MSE를 사용자에게 보고 (단위 혼란).
+- target의 분포가 long-tail인데 raw MSE 사용.
+
+## 🧪 검증 / 중복
+- Verified. 신뢰도 A.
+
+## 🕓 Changelog
+| 날짜 | 변경 |
+|---|---|
+| 2026-05-08 | Phase 1 |
+| 2026-05-10 | Manual cleanup |