A. आंकड़े की उपयोगी पहचान या गुण/Useful attribute or property of data
Step 1
Concept
A feature describes a property of an object or example.
Step 2
Why this answer is correct
The model learns from these properties.
Step 3
Exam Tip
Good features help better results. चरण 1: विशेषता किसी वस्तु या उदाहरण का गुण बताती है। चरण 2: मॉडल इन्हीं गुणों से सीखता है। चरण 3: सही विशेषताएं बेहतर परिणाम में मदद करती हैं।
A. सही वर्ग या परिणाम बताने के लिए/To show the correct class or result
Step 1
Concept
A label shows the correct result.
Step 2
Why this answer is correct
In supervised learning it helps the model learn.
Step 3
Exam Tip
In exams connect it with correct output. चरण 1: वर्ग चिह्न सही परिणाम को दिखाता है। चरण 2: सुव्यवस्थित अधिगम में यह मॉडल को सीखने में मदद करता है। चरण 3: परीक्षा में इसे सही उत्तर से जोड़ें।
A. गलत और अधूरे आंकड़ों को सुधारना/To correct wrong and incomplete data
Step 1
Concept
Raw data may have errors or missing values.
Step 2
Why this answer is correct
Data cleaning corrects them.
Step 3
Exam Tip
Clean data supports better analysis and models. चरण 1: कच्चे आंकड़ों में त्रुटि या खाली मान हो सकते हैं। चरण 2: आंकड़ा सफाई इन्हें सुधारती है। चरण 3: साफ आंकड़े बेहतर विश्लेषण और मॉडल बनाते हैं।
A. किसी स्थान पर जानकारी नहीं है/Information is absent at a place
Step 1
Concept
A missing value means some information is not available.
Step 2
Why this answer is correct
Such values can affect analysis.
Step 3
Exam Tip
Filling or removing them can be part of data cleaning. चरण 1: अधूरा मान बताता है कि कोई जानकारी उपलब्ध नहीं है। चरण 2: ऐसे मान विश्लेषण को प्रभावित कर सकते हैं। चरण 3: इन्हें भरना या हटाना आंकड़ा सफाई का भाग हो सकता है।
A. सामान्य आंकड़ों से बहुत अलग मान/A value very different from normal data
Step 1
Concept
An outlier is very different from other data.
Step 2
Why this answer is correct
It may show an error or unusual event.
Step 3
Exam Tip
It should be checked carefully before analysis. चरण 1: बाहरी मान बाकी आंकड़ों से बहुत अलग होता है। चरण 2: यह गलती या असामान्य घटना का संकेत हो सकता है। चरण 3: विश्लेषण से पहले इसे ध्यान से जांचना चाहिए।
A. परिणाम गलत दिशा में जा सकते हैं/Results can move in a wrong direction
Step 1
Concept
Duplicate data can give extra importance to a value.
Step 2
Why this answer is correct
This can affect analysis and the model.
Step 3
Exam Tip
Removing duplicates can be needed in data cleaning. चरण 1: दोहराए गए आंकड़े किसी मान को अधिक महत्व दे सकते हैं। चरण 2: इससे विश्लेषण और प्रतिरूप प्रभावित हो सकता है। चरण 3: आंकड़ा सफाई में दोहराव हटाना जरूरी हो सकता है।
A. कच्चे आंकड़ों को उपयोग के लिए तैयार करना/To prepare raw data for use
Step 1
Concept
Raw data may have errors missing values or different formats.
Step 2
Why this answer is correct
Preprocessing organizes them.
Step 3
Exam Tip
It can improve training and analysis. चरण 1: कच्चे आंकड़ों में त्रुटि अधूरे मान या असमान रूप हो सकते हैं। चरण 2: पूर्वप्रसंस्करण उन्हें व्यवस्थित करता है। चरण 3: इससे प्रशिक्षण और विश्लेषण बेहतर हो सकते हैं।
A. मानों को समान पैमाने पर लाने के लिए/To bring values to a common scale
Step 1
Concept
Different features can have values on different scales.
Step 2
Why this answer is correct
Normalization helps bring them to a common scale.
Step 3
Exam Tip
This can make model learning more balanced. चरण 1: अलग-अलग विशेषताओं के मान अलग पैमानों पर हो सकते हैं। चरण 2: सामान्यीकरण उन्हें समान पैमाने पर लाने में मदद करता है। चरण 3: इससे प्रतिरूप का सीखना संतुलित हो सकता है।
A. क्योंकि कई विधियां संख्यात्मक इनपुट लेती हैं/Because many methods take numerical input
Step 1
Concept
Some features are in words.
Step 2
Why this answer is correct
Many learning methods work on numbers.
Step 3
Exam Tip
So categories may be converted into numerical form. चरण 1: कुछ विशेषताएं शब्दों के रूप में होती हैं। चरण 2: कई अधिगम विधियां संख्या पर काम करती हैं। चरण 3: इसलिए श्रेणियों को संख्यात्मक रूप में बदलना उपयोगी हो सकता है।
A. क्योंकि वे विश्लेषण और प्रशिक्षण को प्रभावित कर सकते हैं/Because they can affect analysis and training
Step 1
Concept
A missing value means some information is absent.
Step 2
Why this answer is correct
Such values may lead to wrong conclusions or weak training.
Step 3
Exam Tip
So they may need filling removing or checking. चरण 1: अधूरा मान बताता है कि कुछ जानकारी गायब है। चरण 2: ऐसे मान गलत निष्कर्ष या कमजोर प्रशिक्षण दे सकते हैं। चरण 3: इसलिए उन्हें भरना हटाना या जांचना जरूरी हो सकता है।
