Chapter 56. 회귀 모델 손실 함수 1: MSE와 MAE의 통계적 가정 비교 Chapter 56. 회귀 모델 손실 함수 1: MSE와 MAE의 통계적 가정 비교 56.1손실 함수의 정의와 회귀 분석에서의 역할 56.2평균 제곱 오차(MSE)의 수학적 정의와 유도 56.3MSE의 기하학적 해석: 유클리드 거리와 최소화 곡면 56.4MSE와 최대우도추정(MLE): 정규 분포 가정 하의 등가성 증명 56.5정규 분포(Gaussian Distribution)의 성질과 MSE 최적성 조건 56.6MSE 손실의 그래디언트 구조와 파라미터 갱신 수식 56.7MSE의 볼록성(Convexity) 증명과 전역 최솟값 유일성 56.8MSE의 이상값(Outlier) 민감도에 대한 수학적 분석 56.9제곱 항의 영향: 큰 오차에 대한 비대칭적 페널티 구조 56.10평균 절대 오차(MAE)의 수학적 정의와 유도 56.11MAE의 기하학적 해석: 맨해튼 거리와 L1 노름 56.12MAE와 최대우도추정: 라플라스 분포(Laplace Distribution) 가정 하의 등가성 56.13라플라스 분포의 성질과 MAE 최적성 조건 56.14MAE 손실의 그래디언트 구조: 원점 비미분성과 부분 기울기(Subgradient) 56.15MAE의 이상값 로버스트성(Robustness)에 대한 이론적 근거 56.16MAE의 비매끄러움(Non-Smoothness)이 최적화에 미치는 영향 56.17MSE와 MAE의 수렴 속도 비교: 2차 수렴 대 1차 수렴 56.18중앙값(Median) 회귀와 평균(Mean) 회귀의 통계적 대비 56.19MSE의 분산 분해: 편향(Bias)과 분산(Variance) 성분 분리 56.20잔차 분포(Residual Distribution) 가정에 따른 손실 함수 선택 기준 56.21이분산성(Heteroscedasticity) 조건 하의 MSE 성능 저하 분석 56.22가중 최소 제곱법(Weighted Least Squares)과 MSE의 일반화 56.23분위수 회귀(Quantile Regression)와 MAE의 관계 56.24로그 코시(Log-Cosh) 손실의 MSE-MAE 절충 특성 56.25MSE와 MAE의 경계 조건: 데이터 규모와 노이즈 수준에 따른 선택 56.26신경망 학습에서 MSE 적용 시의 기울기 포화(Gradient Saturation) 문제 56.27신경망 학습에서 MAE 적용 시의 진동(Oscillation) 현상과 대응 56.28다중 출력(Multi-Output) 회귀에서의 MSE와 MAE 확장 56.29실증적 비교: 합성 데이터 및 벤치마크에서의 MSE와 MAE 성능 56.30최적 손실 함수 설계를 위한 통계적 진단 프레임워크