[G1-Sync] Manual knowledge update

10_Wiki/Topics/Logistic-Regression.md

@@ -1,8 +1,8 @@
 ---
-id: P-REINFORCE-AUTO-LORE-001
+id: [[P-Reinforce]]-AUTO-LORE-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
-tags: [auto-reinforced, logistic-regression, classification, machine-learning, statistics, sigmoid]
+tags: [auto-reinforced, logistic-regression, classification, machine-learning, [[Statistics]], sigmoid]
 last_reinforced: 2026-04-20
 ---
 
@@ -18,11 +18,11 @@ last_reinforced: 2026-04-20
     *   어떤 값($-\infty$ ~ $+\infty$)을 입력받아도 반드시 **0에서 1 사이의 값**으로 출력함.
     *   이 출력값을 '사건이 발생할 확률'로 해석.
 2.  **왜 중요한가?**:
-    *   단순 회귀(Linear)의 한계를 넘어 분류의 시대를 열었으며, 현대 딥러닝 신경망의 각 노드에서 일어나는 비선형 활성화(Activation)의 시조격임. (Gradient-Descent와 학습 원리 공유)
+    *   단순 회귀(Linear)의 한계를 넘어 분류의 시대를 열었으며, 현대 딥러닝 신경망의 각 노드에서 일어나는 비선형 활성화(Activation)의 시조격임. ([[Gradient-Descent]]와 학습 원리 공유)
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
 - **과거 데이터와의 충돌**: 과거에는 단순한 통계 분석 도구 정책이었으나, 현대 정책은 딥러닝의 마지막 출력층에서 다중 분류를 수행하는 '소프트맥스(Softmax) 정책'의 핵심 논리로 확장되어 모든 지능 서비스의 최종 판단 정책을 담당함(RL Update).
-- **정책 변화(RL Update)**: 알고리즘의 투명성 정책이 강조됨에 따라, 딥러닝보다 작동 원리 파악이 쉬운 로지스틱 회귀를 의료나 금융 등 '설명 가능한 AI'가 필요한 영역 정책에서 여전히 강력히 권장함. (Explainable-AI (XAI)와 연결)
+- **정책 변화(RL Update)**: 알고리즘의 투명성 정책이 강조됨에 따라, 딥러닝보다 작동 원리 파악이 쉬운 로지스틱 회귀를 의료나 금융 등 '설명 가능한 AI'가 필요한 영역 정책에서 여전히 강력히 권장함. ([[Explainable-AI (XAI)]]와 연결)
 
 ## 🔗 지식 연결 (Graph)
 - [[Gradient-Descent]], [[Explainable-AI (XAI)]], [[Machine Learning (ML)]], Deep Learning (DL), [[Optimization]]