--- id: wiki-2026-0508-mean-squared-error-mse title: Mean Squared Error MSE category: 10_Wiki/Topics status: needs_review canonical_id: self aliases: [MATH-MSE-001] duplicate_of: none source_trust_level: A confidence_score: 1.0 tags: ["Statistics|[Statistics", machine-learning, loss-functions, mse, l2-loss, Optimization] raw_sources: [] last_reinforced: 2026-04-26 github_commit: pending inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08) --- # Mean Squared Error (MSE, 평균 제곱 오차) ## 📌 한 줄 통찰 (The Karpathy Summary) > "큰 실수는 제곱의 무게로 응징하여, 모델이 치명적인 오판을 피하도록 강제하라" — 실제값과 예측값 사이의 오차를 제곱하여 평균 낸 수치로, 머신러닝의 최적화 과정에서 가장 널리 쓰이는 표준 손실 함수. ## 📖 구조화된 지식 (Synthesized Content) - **추출된 패턴:** "Quadratic Penalization" — 오차가 커질수록 손실값이 제곱으로 증가하도록 설계하여, 모델이 작은 오차들을 골고루 줄이는 것보다 큰 오차 하나를 줄이는 데 더 집중하게 만드는 최적화 유도 패턴. - **수식:** $\frac{1}{n} \sum_{i=1}^n (y_i - \hat{y}_i)^2$ - **주요 특징:** - **Sensitivity to Outliers:** 이상치(Outliers)에 매우 민감함. (제곱 페널티 효과) - **Mathematical Convenience:** 모든 구간에서 미분이 가능하며 매끄러운 곡선을 형성하여, 경사 하강법을 통한 전역 최적해 탐색에 유리. - **의의:** 선형 회귀부터 신경망의 수치 예측까지, '정답에 가장 가까운 평균'을 찾기 위한 모든 통계적 모델링의 심장. ## ⚠️ 모순 및 업데이트 (Contradictions & Updates) - **과거 데이터와의 충돌:** 오차의 단위가 제곱이 되어 실제 값의 단위와 달라지는 문제를 해결하기 위해, 루트를 씌운 RMSE(Root MSE)와 병행하여 사용되는 것이 실무적인 정석임. - **정책 변화:** Antigravity 프로젝트는 에이전트의 모델 가중치 학습 시, 수렴의 효율성과 수학적 안정성을 위해 기본 손실 함수로 MSE 아키텍처를 채택함. ## 🔗 지식 연결 (Graph) - [[Mean-Absolute-Error-MAE|Mean-Absolute-Error-MAE]], [[Loss-Functions-Foundations|Loss-Functions-Foundations]], [[Least-Squares-Methods|Least-Squares-Methods]], [[Gradient-Descent|Gradient-Descent]]-Foundations - **Raw Source:** 10_Wiki/Topics/AI/Mean-Squared-Error-MSE.md ## 🤖 LLM 활용 힌트 (How to Use This Knowledge) **언제 이 지식을 쓰는가:** - *(TODO)* **언제 쓰면 안 되는가:** - *(TODO)* ## 🧪 검증 상태 (Validation) - **정보 상태:** needs_review - **출처 신뢰도:** A - **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)* ## 🧬 중복 검사 (Duplicate Check) - **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)* - **처리 방식:** UPDATE (자동 정규화) - **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강. ## 🕓 변경 이력 (Changelog) | 날짜 | 변경 내용 | 처리 방식 | 신뢰도 | |------|-----------|-----------|--------| | 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |