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 4: AI with Orange Data Mining Tool Easy Level 9

समूह निर्माण में समानता क्यों महत्वपूर्ण है?

Why is similarity important in clustering?

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

A. क्योंकि समान उदाहरण एक समूह में रखे जाते हैंBecause similar examples are placed in one group

Explanation

Simple Explanation

क्लस्टरिंग एक असुपरवाइज्ड लर्निंग विधि है, जिसमें पहले से दिए गए वर्ग-लेबल नहीं होते। इसलिए डेटा-बिंदुओं की समानता या निकटता के आधार पर समान उदाहरणों को एक ही समूह में रखा जाता है। विकल्प B गलत है, क्योंकि उद्देश्य सभी उदाहरणों को अलग करना नहीं है; विकल्प C वर्गीकरण से संबंधित है। परीक्षा-युक्ति: क्लस्टरिंग में “समान डेटा साथ, असमान डेटा अलग” याद रखें। / Clustering is an unsupervised learning method in which class labels are not provided in advance. Data points are grouped according to their similarity or closeness, so similar examples are placed in the same cluster. Option B is incorrect because clustering does not aim to separate every example, while option C describes a labelled or supervised setting. Exam tip: remember “similar data together, dissimilar data apart.”

Short Link https://muftshiksha.com/q/666

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

समूह निर्माण में समानता क्यों महत्वपूर्ण है? / Why is similarity important in clustering?

Correct Answer: A. क्योंकि समान उदाहरण एक समूह में रखे जाते हैं / Because similar examples are placed in one group. Explanation: क्लस्टरिंग एक असुपरवाइज्ड लर्निंग विधि है, जिसमें पहले से दिए गए वर्ग-लेबल नहीं होते। इसलिए डेटा-बिंदुओं की समानता या निकटता के आधार पर समान उदाहरणों को एक ही समूह में रखा जाता है। विकल्प B गलत है, क्योंकि उद्देश्य सभी उदाहरणों को अलग करना नहीं है; विकल्प C वर्गीकरण से संबंधित है। परीक्षा-युक्ति: क्लस्टरिंग में “समान डेटा साथ, असमान डेटा अलग” याद रखें। / Clustering is an unsupervised learning method in which class labels are not provided in advance. Data points are grouped according to their similarity or closeness, so similar examples are placed in the same cluster. Option B is incorrect because clustering does not aim to separate every example, while option C describes a labelled or supervised setting. Exam tip: remember “similar data together, dissimilar data apart.”