[G1-Sync] Manual knowledge update

10_Wiki/Topics/Multinomial-Naive-Bayes.md

@@ -2,7 +2,7 @@
 id: ML-MNB-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
-tags: [machine-learning, nlp, naive-bayes, text-classification, statistics, bayesian]
+tags: [machine-learning, nlp, naive-bayes, text-classification, [[Statistics]], bayesian]
 last_reinforced: 2026-04-26
 ---
 
@@ -14,8 +14,8 @@ last_reinforced: 2026-04-26
 ## 📖 구조화된 지식 (Synthesized Content)
 - **추출된 패턴:** "Word Frequency Likelihood" — 문장을 단순히 단어의 뭉치(Bag-of-Words)로 보고, 특정 클래스에서 해당 단어들이 나타날 조건부 확률을 결합하여 가장 높은 사후 확률을 가진 클래스를 선택하는 패턴.
 - **주요 특징:**
-    - **Efficiency:** 연산량이 매우 적어 대규모 텍스트 데이터를 순식간에 처리 가능.
-    - **Robustness to Small Data:** 데이터가 적을 때도 나이브 베이즈 특유의 '강한 가정' 덕분에 비교적 안정적인 성능 발휘.
+    - **[[Efficiency]]:** 연산량이 매우 적어 대규모 텍스트 데이터를 순식간에 처리 가능.
+    - **[[Robustness]] to Small Data:** 데이터가 적을 때도 나이브 베이즈 특유의 '강한 가정' 덕분에 비교적 안정적인 성능 발휘.
     - **Laplace Smoothing:** 한 번도 나오지 않은 단어 때문에 확률이 0이 되는 현상을 방지하는 필수 기법 적용.
 - **의의:** 딥러닝 시대 이전까지 스팸 필터링, 뉴스 분류 등 텍스트 처리의 표준이었으며, 현재도 복잡한 모델을 돌리기 전 성능의 기준점(Baseline)으로 널리 활용됨.