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
A. मॉडल प्रशिक्षण आंकड़ों को बहुत अधिक याद कर लेता है/The model memorizes training data too much
Step 1
Concept
In overfitting the model may perform very well on training data.
Step 2
Why this answer is correct
It may perform poorly on new data.
Step 3
Exam Tip
So generalization must be checked. चरण 1: अधिक सीख जाने में मॉडल प्रशिक्षण आंकड़ों पर बहुत अच्छा दिख सकता है। चरण 2: पर नए आंकड़ों पर उसका प्रदर्शन घट सकता है। चरण 3: इसलिए सामान्यीकरण की जांच जरूरी है।
A. मॉडल आंकड़ों का ढांचा ठीक से नहीं सीखता/The model does not learn the data pattern properly
Step 1
Concept
In underfitting the model cannot capture even simple patterns well.
Step 2
Why this answer is correct
It may perform poorly on both training and test data.
Step 3
Exam Tip
Better features or a suitable method may be needed. चरण 1: कम सीखने में मॉडल सरल ढांचा भी ठीक से नहीं पकड़ता। चरण 2: इससे प्रशिक्षण और परीक्षण दोनों पर खराब परिणाम आ सकते हैं। चरण 3: मॉडल को बेहतर विशेषता या उचित विधि चाहिए हो सकती है।
A. कुल उत्तरों में सही उत्तरों का अनुपात/Ratio of correct answers among total answers
Step 1
Concept
Accuracy measures correct results of a model.
Step 2
Why this answer is correct
It shows the ratio of correct results among total results.
Step 3
Exam Tip
It is a common measure in simple classification. चरण 1: सटीकता मॉडल के सही परिणामों को मापती है। चरण 2: यह कुल परिणामों में सही परिणामों का अनुपात बताती है। चरण 3: सरल वर्गीकरण में यह सामान्य माप है।
A. मॉडल के सही और गलत वर्गीकरण को दिखाने के लिए/To show correct and wrong classifications of a model
Step 1
Concept
A confusion matrix shows classification results in a table.
Step 2
Why this answer is correct
It helps understand correct and wrong predictions.
Step 3
Exam Tip
It is useful in model evaluation. चरण 1: भ्रम सारणी वर्गीकरण परिणामों को तालिका में दिखाती है। चरण 2: इससे सही और गलत पूर्वानुमान समझे जाते हैं। चरण 3: यह मॉडल मूल्यांकन में उपयोगी है।
A. जिसे सकारात्मक माना गया और वह वास्तव में सकारात्मक था/Predicted positive and actually positive
Step 1
Concept
In true positive the model's positive prediction is correct.
Step 2
Why this answer is correct
The actual result is also positive.
Step 3
Exam Tip
It is an important part of a confusion matrix. चरण 1: सत्य सकारात्मक में मॉडल का सकारात्मक अनुमान सही होता है। चरण 2: वास्तविक परिणाम भी सकारात्मक होता है। चरण 3: भ्रम सारणी में यह महत्वपूर्ण माप है।
A. मॉडल सकारात्मक बताता है लेकिन वास्तविक परिणाम नकारात्मक होता है/Model predicts positive but actual result is negative
Step 1
Concept
False positive is a wrong positive prediction.
Step 2
Why this answer is correct
The model says positive but reality is negative.
Step 3
Exam Tip
It is checked separately in a confusion matrix. चरण 1: झूठा सकारात्मक गलत सकारात्मक अनुमान है। चरण 2: मॉडल सकारात्मक बताता है पर वास्तविकता नकारात्मक होती है। चरण 3: इसे भ्रम सारणी में अलग से देखा जाता है।
A. नकारात्मक बताया और वास्तविकता भी नकारात्मक थी/Predicted negative and actual was also negative
Step 1
Concept
In true negative the model's negative prediction is correct.
Step 2
Why this answer is correct
The actual result is also negative.
Step 3
Exam Tip
It shows a correct classification in a confusion matrix. चरण 1: सत्य नकारात्मक में प्रतिरूप का नकारात्मक अनुमान सही होता है। चरण 2: वास्तविक परिणाम भी नकारात्मक होता है। चरण 3: भ्रम सारणी में यह सही वर्गीकरण को दिखाता है।
A. नकारात्मक बताया लेकिन वास्तविकता सकारात्मक थी/Predicted negative but actual was positive
Step 1
Concept
False negative is a wrong negative prediction.
Step 2
Why this answer is correct
The model says negative but the actual result is positive.
Step 3
Exam Tip
It can be serious in fields like healthcare. चरण 1: झूठा नकारात्मक गलत नकारात्मक अनुमान है। चरण 2: प्रतिरूप नकारात्मक बताता है पर वास्तविक परिणाम सकारात्मक होता है। चरण 3: स्वास्थ्य जैसे क्षेत्रों में यह गंभीर हो सकता है।
A. सकारात्मक बताए गए परिणामों में कितने सही हैं/How many predicted positives are correct
Step 1
Concept
Precision checks the quality of positive predictions.
Step 2
Why this answer is correct
It tells how many predicted positives were actually positive.
Step 3
Exam Tip
It is useful when reducing false positives matters. चरण 1: परिशुद्धता सकारात्मक अनुमान की गुणवत्ता देखती है। चरण 2: यह बताती है कि सकारात्मक बताए गए मामलों में कितने सच में सकारात्मक थे। चरण 3: गलत सकारात्मक कम करना हो तो यह उपयोगी है।
A. वास्तविक सकारात्मक मामलों में कितने पहचाने गए/How many actual positives were identified
Step 1
Concept
Recall focuses on actual positive cases.
Step 2
Why this answer is correct
It tells how many of them were correctly found.
Step 3
Exam Tip
It can be important in tasks like disease detection. चरण 1: पुनःस्मरण वास्तविक सकारात्मक मामलों पर ध्यान देता है। चरण 2: यह बताता है कि उनमें से कितने सही पकड़े गए। चरण 3: बीमारी पहचान जैसे कार्यों में यह महत्वपूर्ण हो सकता है।
