Update
Muft Shiksha™ एक 100% Free Education Portal है 🇮🇳, जिसका उद्देश्य Class 9–12 के हर विद्यार्थी तक High-Quality Education को पूरी तरह मुफ्त पहुँचाना है। 🇮🇳 हम मानते हैं कि अच्छी शिक्षा किसी student की आर्थिक स्थिति पर निर्भर नहीं होनी चाहिए। 🇮🇳 हर विद्यार्थी को वही Quality Study Material, MCQs, Quizzes, Exam Preparation, Concept-Based Learning और Bilingual Support मिलना चाहिए, जो आमतौर पर महंगी Coaching या Premium Platforms में मिलता है। Muft Shiksha™ 🇮🇳 इसी सोच के साथ बनाया गया है • Muft Shiksha™ एक 100% Free Education Portal है 🇮🇳, जिसका उद्देश्य Class 9–12 के हर विद्यार्थी तक High-Quality Education को पूरी तरह मुफ्त पहुँचाना है। 🇮🇳 हम मानते हैं कि अच्छी शिक्षा किसी student की आर्थिक स्थिति पर निर्भर नहीं होनी चाहिए। 🇮🇳 हर विद्यार्थी को वही Quality Study Material, MCQs, Quizzes, Exam Preparation, Concept-Based Learning और Bilingual Support मिलना चाहिए, जो आमतौर पर महंगी Coaching या Premium Platforms में मिलता है। Muft Shiksha™ 🇮🇳 इसी सोच के साथ बनाया गया है • Muft Shiksha™ एक 100% Free Education Portal है 🇮🇳, जिसका उद्देश्य Class 9–12 के हर विद्यार्थी तक High-Quality Education को पूरी तरह मुफ्त पहुँचाना है। 🇮🇳 हम मानते हैं कि अच्छी शिक्षा किसी student की आर्थिक स्थिति पर निर्भर नहीं होनी चाहिए। 🇮🇳 हर विद्यार्थी को वही Quality Study Material, MCQs, Quizzes, Exam Preparation, Concept-Based Learning और Bilingual Support मिलना चाहिए, जो आमतौर पर महंगी Coaching या Premium Platforms में मिलता है। Muft Shiksha™ 🇮🇳 इसी सोच के साथ बनाया गया है
Subjects
Class 12 Artificial Intelligence Part B: Subject Specific Skills Unit 2: Data Science Methodology Easy Level 9

सटीकता कब भ्रामक हो सकती है?

When can accuracy be misleading?

Author: Muft Shiksha Editorial Team Published: Updated:
Explanation opens after your attempt
Correct Answer

A. जब वर्ग अत्यधिक असंतुलित होंWhen classes are highly imbalanced

Explanation

Simple Explanation

अत्यधिक असंतुलित वर्गों में एक वर्ग के नमूने बहुत अधिक होते हैं। यदि मॉडल हर बार बहुसंख्यक वर्ग का अनुमान लगाए, तो उसकी सटीकता ऊँची दिख सकती है, जबकि अल्पसंख्यक वर्ग की पहचान खराब हो सकती है। इसलिए ऐसे मामलों में परिशुद्धता, पुनःस्मरण और F1-स्कोर भी जाँचने चाहिए। समान आकार वाले वर्गों में केवल बहुसंख्यक वर्ग का अनुमान लगाने से यह भ्रम सामान्यतः नहीं होता। परीक्षा-टिप: असंतुलित वर्गों के संकेत मिलें तो केवल accuracy पर निर्भर न रहें। / With highly imbalanced classes, one class contains far more samples than the others. A model that always predicts the majority class may achieve high accuracy while detecting the minority class poorly. Therefore, precision, recall, and the F1-score should also be checked. This issue is generally less misleading when the classes have nearly equal sizes. Exam tip: when class imbalance is present, do not rely on accuracy alone.

Short Link https://muftshiksha.com/q/669

Question me issue ya doubt hai?

Answer, explanation, typing mistake ya suggestion directly hamari team ko bhejein. 📱Helpline (Call / WhatsApp): +91 7272824365

Continue practising

Related Artificial Intelligence Questions

इसी subject के 10 चुने हुए सवाल

10 MCQs
  1. जलवायु के लिए व्यक्तिगत योगदान का अच्छा उदाहरण क्या है?
  2. कक्षा में पौधा लगाना किस भावना को बढ़ाता है?
  3. सौर ऊर्जा से चलने वाला स्ट्रीट लाइट किसका उदाहरण है?
  4. भविष्य की पीढ़ियों के लिए संसाधन बचाना किस विचार से जुड़ा है?
  5. संसाधनों का नैतिक उपयोग किस बात पर जोर देता है?
  6. हरित आदतों को ट्रैक करने से क्या लाभ है?
  7. व्यक्तिगत हरित कार्य योजना में क्या शामिल हो सकता है?
  8. पर्यावरण स्वयंसेवक क्या करता है?
  9. स्कूल में पर्यावरण अभियान का उद्देश्य क्या हो सकता है?
  10. सामुदायिक बगीचा किसका अच्छा उदाहरण है?

Related Artificial Intelligence Learning Links

Artificial Intelligence Subject

Level-wise subject practice

Part B: Subject Specific Skills Quiz

Chapter-wise MCQ practice

Search Similar MCQs

Find related questions

Daily Challenge

Fresh quiz practice
FAQs

Artificial Intelligence Answer, Explanation and Revision Hints

सटीकता कब भ्रामक हो सकती है? / When can accuracy be misleading?

Correct Answer: A. जब वर्ग अत्यधिक असंतुलित हों / When classes are highly imbalanced. Explanation: अत्यधिक असंतुलित वर्गों में एक वर्ग के नमूने बहुत अधिक होते हैं। यदि मॉडल हर बार बहुसंख्यक वर्ग का अनुमान लगाए, तो उसकी सटीकता ऊँची दिख सकती है, जबकि अल्पसंख्यक वर्ग की पहचान खराब हो सकती है। इसलिए ऐसे मामलों में परिशुद्धता, पुनःस्मरण और F1-स्कोर भी जाँचने चाहिए। समान आकार वाले वर्गों में केवल बहुसंख्यक वर्ग का अनुमान लगाने से यह भ्रम सामान्यतः नहीं होता। परीक्षा-टिप: असंतुलित वर्गों के संकेत मिलें तो केवल accuracy पर निर्भर न रहें। / With highly imbalanced classes, one class contains far more samples than the others. A model that always predicts the majority class may achieve high accuracy while detecting the minority class poorly. Therefore, precision, recall, and the F1-score should also be checked. This issue is generally less misleading when the classes have nearly equal sizes. Exam tip: when class imbalance is present, do not rely on accuracy alone.