The model learns relationships from these examples.
Step 3
Exam Tip
Correct training data improve model quality. चरण 1: प्रशिक्षण आंकड़े उदाहरणों का समूह होते हैं। चरण 2: मॉडल इन्हीं उदाहरणों से संबंध सीखता है। चरण 3: सही प्रशिक्षण आंकड़े मॉडल की गुणवत्ता बढ़ाते हैं।
A. आंकड़ों में छिपे समूह या ढांचे/Hidden groups or patterns in data
Step 1
Concept
In unsupervised learning correct answers are not already given.
Step 2
Why this answer is correct
The model finds groups or patterns itself.
Step 3
Exam Tip
Clustering is a common example. चरण 1: अव्यवस्थित अधिगम में सही उत्तर पहले से नहीं दिए जाते। चरण 2: मॉडल स्वयं समूह या ढांचे खोजता है। चरण 3: समूह बनाना इसका सामान्य उदाहरण है।
A. इनपुट को किसी वर्ग में रखता है/Places input into a category
Step 1
Concept
In classification the result belongs to different categories.
Step 2
Why this answer is correct
The model selects a suitable category for the input.
Step 3
Exam Tip
Classifying email as normal or spam is an example. चरण 1: वर्गीकरण में परिणाम अलग-अलग वर्गों में होता है। चरण 2: मॉडल इनपुट देखकर उचित वर्ग चुनता है। चरण 3: ईमेल को सामान्य या अवांछित बताना इसका उदाहरण है।
Predicting house price is a simple example. चरण 1: पूर्वानुमान में मॉडल किसी मात्रा का अनुमान लगाता है। चरण 2: परिणाम अक्सर संख्या के रूप में होता है। चरण 3: घर की कीमत बताना इसका सरल उदाहरण है।
A. सीखे हुए नियमों वाला ढांचा/A structure with learned rules
Step 1
Concept
A model builds rules or structure from data.
Step 2
Why this answer is correct
That structure gives results for new input.
Step 3
Exam Tip
The model is improved through training and testing. चरण 1: मॉडल आंकड़ों से सीखकर नियम या ढांचा बनाता है। चरण 2: वही ढांचा नए इनपुट पर परिणाम देता है। चरण 3: मॉडल को प्रशिक्षण और परीक्षण से सुधारा जाता है।
A. चित्र को उचित वर्ग में रखता है/Places the image into a suitable category
Step 1
Concept
Image classification is based on visual input.
Step 2
Why this answer is correct
The model looks at an image and tells its category.
Step 3
Exam Tip
Identifying cat and dog is a simple example. चरण 1: चित्र वर्गीकरण दृश्य इनपुट पर आधारित होता है। चरण 2: मॉडल चित्र देखकर उसका वर्ग बताता है। चरण 3: बिल्ली और कुत्ता पहचानना इसका सरल उदाहरण 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. यह जानने के लिए कि मॉडल कितना सही काम कर रहा है/To know how well the model is working
Step 1
Concept
After training model performance must be checked.
Step 2
Why this answer is correct
Evaluation gives information about correct and wrong results.
Step 3
Exam Tip
This helps improve the model. चरण 1: प्रशिक्षण के बाद मॉडल का प्रदर्शन जांचना जरूरी है। चरण 2: मूल्यांकन से सही और गलत परिणामों की जानकारी मिलती है। चरण 3: इससे मॉडल में सुधार किया जा सकता है।
